پیش بینی قیمت نفت خام اوپک با استفاده از مدل خودبازگشتی میانگین متحرک انباشته فازی
چکیده
عوامل زیادی بر قیمت نفت خام تأثیر میگذارند از این رو استفاده از یک مدل چند متغیری که تمام عوامل مؤثر بر قیمت نفت را لحاظ کرده باشد کاری دشوار است. به همین دلیل، پیشبینی این متغیر از طریق مدلهای چند متغیری بسیار دشوار است. در این حالت ممکن است استفاده از مدلهای تک متغیری روش مناسبی باشد. در این مدلها از حافظه تاریخی متغیر برای مدلسازی و پیشبینی استفاده میشود. اما یکی از محدودیتهای مدلهای تک متغیری این است که برای حصول نتایج مناسب نیاز به دادههای زیادی دارند. از آنجا که مدلهای رگرسیون فازی برای پیشبینی دقیق نیاز به تعداد دادههای کمتری دارند، در این تحقیق، از سه روش رگرسیون فازی، آریما و رگرسیون خودبازگشتی میانگین متحرک انباشته فازی (ترکیب دو روش مذکور) و از دادههای روزانه قیمت نفت اوپک برای پیشبینی قیمت نفت خام اوپک استفاده شده است. نتایج حاکی از این است که مدلهای رگرسیون فازی و رگرسیون خودبازگشتی میانگین متحرک انباشته فازی علاوه بر این که از نظر تمام معیارهای متداول خطای پیش بینی، عملکرد بهتری نسبت به مدل آریما دارند با فراهم کردن بهترین و بدترین حالت، تصمیمگیری را نسبت به مدل آریما تسهیل کرده است. همچنین مدل ترکیبی به مراتب پیشبینی بهتری نسبت به مدل رگرسیون فازی ارائه می دهد و فاصله بازه تصمیمگیری را کوتاهتر میکند. �تفاده از الگوی خودرگرسیون برداری (var) برآورد گردید. براساس نتایج مدل برآوردی، شوکهای قیمت نفت در کوتاهمدت دارای تأثیر منفی بر تولید سبز است و علت آن این است که با استخراج نفت، استهلاک منابع طبیعی افزایش یافته و باعث کاهش تولید سبز میشود. اما در بلندمدت تأثیر مثبت بر تولید سبز دارد به این علت که در بلندمدت افزایش درآمدهای نفتی باعث رشد واقعی سایر بخشها میشود و این رشد استهلاک را جبران میکند.