پیش بینی قیمت نفت بر اساس مدل های غیرخطی انتقال ملایم و بهینهسازی الگوریتم ژنتیک

امروزه قیمت نفت نقش مهمی را در اقتصاد جهانی ایفا می کند و به عنوان یک عامل مهم و اثرگذار بر برنامه های دولت ها و بخش های تجاری و بازرگانی اهمیت فراوانی دارد. با توجه به اهمیت روز افزون نفت در بازارهای مالی، پیش بینی قیمت نفت خام همواره مورد علاقه بسیاری از فعالان بازار و سیاستگذاران بوده است. در این راستا، در این پژوهش، ضمن بررسی و انجام آزمون غیرخطی برای داده های ماهانه قیمت نفت خام، به مدل سازی و پیش بینی قیمت نفت خام در بازارهای جهانی می پردازیم. برای این منظور از روش شناسی رگرسیون غیرخطی انتقال ملایم !supportfootnotes]-->[1] استفاده می کنیم. همچنین، به منظور مقایسه عملکرد پیش بینی های خارج از نمونه، مدل رگرسیون غیرخطی انتقال ملایم بر اساس بهینه سازی الگوریتم ژنتیک، مدل شبکه عصبی مصنوعی !supportfootnotes]-->[2] و مدل arima را برآورد می کنیم. یافته های این پژوهش، تأییدکننده رفتار غیرخطی قیمت نفت خام و عملکرد بهتر مدل های غیرخطی نسبت به مدل  arimaدر پیش بینی خارج از نمونه قیمت نفت خام برای افق 12 ماهه بر اساس معیارهای rmse و mae و da است. !supportfootnotes]--> !supportfootnotes]-->[1]. smooth transition regression !supportfootnotes]-->[2]. artificial neural network