مقاله

پیش بینی قیمت هفتگی نفت خام از طریق مدل ترکیبی ماشین بردار پشتیبان و خودرگرسیو میانگین متحرک انباشته

شاپور محمدی، دانشیار، مدیریت مالی، دانشگاه تهران، دانشکده ی مدیریت رضا راعی، استاد، مدیریت مالی، دانشگاه تهران، دانشکده ی مدیریت حسین کرمی، کارشناسی ارشد، مدیریت مالی، دانشگاه تهران، دانشکده ی مدیریت (مسئول مکاتبات)

چکیده

همواره پیش­بینی روند قیمت و نوسانات یکی از چالش­های پیش­روی معامله­گران در بازارهای بورس نفت بوده و پیش­بینی قیمت­ها به عنوان یک امر ضروری وکاربردی مطرح می­شود ولیکن باید پیش­بینی را مورد توجه قرار داد که با دقت بیشتری صورت گیرد و نسبت به نتایج واقعی مشاهده شده خطای کمتری داشته باشد. به منظور پیش­بینی قیمت هفتگی نفت خام برنت به عنوان یک نفت شاخص با توجه به دشوار بودن شناسایی دقیق الگو­های خطی و غیرخطی در سری­های زمانی اقتصادی و مالی از ترکیب مدل­های خودرگرسیو میانگین متحرک انباشته(arima) با این پیش فرض که سری­زمانی دارای الگوی خطی می­باشد و ماشین بردار پشتیبان(svm)که توانایی بالایی در مدل­سازی الگو­های غیرخطی دارد به منظور افزایش دقت پیش­بینی استفاده شده است. با توجه به آزمون مقایسه زوجی معیارهای ارزیابی عملکرد ریشه میانگین مجذور خطا(rmse) و میانگین قدرمطلق درصد خطا(mape) که حاصل مقادیر پیش بینی شده و مقادیر واقعی هر یک از مدل­ها هستند، نتایج بیانگر این موضوع بودند که در بیشتر موارد مدل ترکیبی خطای کمتری در پیش بینی قیمت نفت خام نسبت به کاربرد مجزای مدل­های خودرگرسیو میانگین متحرک انباشته و ماشین بردار پشتیبان دارد.

اسناد مشابه