پیش بینی قیمت بنزین فوب خلیج فارس با استفاده از مدل های arima و arfima
Abstract(in Persian; no English abstract is available)
یکی از روشهای مناسب در پیشبینی سری زمانی، تعمیم رفتار گذشته سری به آینده است. برای این منظور اولین قدم شناخت دقیق رفتار گذشته متغیر است. یکی از روشهای الگوسازی رفتار گذشته سری زمانی مدل خود توضیح جمعی میانگین متحرک (arima) است. در این پژوهش از مدل های arima و arfima برای پیشبینی قیمت هفتگی بنزین استفاده شد. همچنین پیشبینی مدل arima با پیش بینی مدل خود توضیح کسری جمعی میانگین متحرک (arfima) مقایسه شد. برای این منظور، از ابزارهای محاسباتی نرمافزار stata12 و دادههای سری زمانی قیمت بنزین فوب خلیج فارس از ابتدای سال 2009 تا هفته ۲۶ سال 2012 به صورت هفتگی که از سایت اوپک دریافت گردید، استفاده شد. نتایج تحقیق نشان داد که مدل arfima(6,0.22,6) نسبت به مدل arima(1,1,0) مدل مناسبتری برای پیشبینی قیمت بنزین است و میزان خطای کمتری دارد.