پیش‌بینی تقاضـای جهانـی نفت خـام اوپک با استفـاده از مدل‌هـای خودرگرسیون برداری، خود توضیح جمعی و جستجوی گرانشی

محورهای موضوعی : آینده پژوهی

حشمت اله عسگری ¹ , محمدرضا امیدی ² , زهرا ملکی نیا ³ , علی اکبر امیدی ⁴

1 - مدرس، گروه مهندسی صنایع، دانشگاه پیام نور، تهران، ایران
2 - دانشیار، گروه اقتصاد، دانشگاه ایلام، ایران(نویسنده مسئول) [e-mail]
3 - کارشناس ارشد، گروه اقتصاد انرژی، دانشگاه ایلام
4 - دانشجوی دکترا، علوم سیاسی مسائل ایران، دانشگاه آزاد اسلامی واحد کرمانشاه

تاریخ دریافت : 1396/08/08 تاریخ پذیرش : 1397/08/15 تاریخ انتشار : 1397/11/01

کلید واژه: اوپک, تقاضای جهانی, پیش‌بینی,

چکیده مقاله :

آگاهی از میزان تقاضای آتی نفت به منظور تعیین اولویت‌ها و انتخاب سیاست‌ها در راستای دستیابی به رشد و توسعه اقتصادی، برای کشورهای عضو اوپک ضروری است. لذا در پژوهش حاضر، میزان تقاضای نفت اوپک را با استفاده از الگوهای سری زمانی شامل فرم ساختاری مدل خودرگرسیون برداری (SVAR)، مدل خودتوضیح جمعی میانگین متحرک ARIMAX و الگوی الگوریتم جستجوی گرانشی از دسته الگوریتم‌های جستجوی ابتکاری با به‌کارگیری داده‌های سالانه از سال 1970 تا 2014 میلادی، پیش‌بینی می‌کند. در همین راستا برای سنجش توانایی قدرت پیش‌بینی از الگوهای میانگین مجموع مجذورات خطا، میانگین قدرمطلق خطا و میانگین درصد قدر مطلق خطا استفاده شده است. نتایج به‌دست آمده نشان می‌دهد که الگوی SVAR مناسب‌ترین پیش‌بینی‌ها را برای تقاضای جهانی نفت اوپک دارد، بر این اساس با استفاده از نتایج برآورد این مدل، ﻣﺘﻐﯿﺮ خالص صادرات بر تقاضای نفت اثر مثبت و معنادار دارد و متغیرهای قیمت نفت خام اوپک و تولید غیر اوپک بر تقاضای نفت اثر منفی و معنادار دارند.

چکیده انگلیسی:

Knowledge about future oil demand is essential for OPEC member countries to set priorities and select policies in order to achieve economic growth and development. So in this study, the OPEC oil demand has been predicted using time series models Including Structural Vector Autoregressive model (SVAR), Autoregressive Integrated Moving Average model (ARIMA) and Gravitational Search Algorithm (That is one of the Innovative Search Algorithms) applying demand data from 1970 to 2014. In this regard, three criteria including Mean Sum of Squared Errors (MSSE), Mean Absolute Error (MAE) and Mean Absolute Percentage Error (MAPE) have been used to measure the predictive power of triple models. Results indicate that the SVAR model has the most appropriate prediction of OPEC global demand. According to results of this model, net export variable has a positive and significant impact on oil demand and OPEC petroleum price and non- OPEC production variables have a negative and significant impact on oil demand.