پیش بینی قیمت و نوسانات قیمت نفت تک محموله (spot) ایران با استفاده از مدل های arima، garch و شبکه عصبی مصنوعی

چکیده پیش بینی قیمت نفت خام نقش مهمی در بهینه سازی تولید، بازاریابی و استراتژی بازار دارد. علاوه بر این موارد، نقش موثری در سیاست های دولت بازی می کند، چرا که دولت سیاست های خود را فقط نه بر مبنای وضع موجود، بلکه بر مبنای پیش بینی های کوتاه مدت و بلند مدت از متغیرهای کلیدی اقتصادی از جمله قیمت نفت تدوین کرده و به اجرا می گذارد. هدف از انجام این مطالعه مدل سازی و پیش بینی قیمت نفت تک محموله (spot) ایران با استفاده از مدل های شبکه عصبی مصنوعی، arima و garch است. ابتدا به دلیل وجود بحران مالی سال 2008 و افت شدید قیمت ها در آن دوره زمانی، داده ها به دو زیر مجموعه تقسیم شده اند. پیش بینی های انجام شده در این تحقیق به صورت درون نمونه ای و ایستا بوده به گونه ای که هر زیر بازه از داده ها به دو مجموعه داده های تخمین و داده های پیش بینی تقسیم شده اند. افق پیش بینی به صورت یک دوره به جلو و به مدت یک ماه می باشد. در این مطالعه، مدل هایی که برای پیش-بینی قیمت نفت تک محموله ایران انتخاب شده است برای بازه اول و دوم زمانی به ترتیب عبارتند از: arima(6,1,6) و arima(10,1,6). این دو مدل پیش بینی های منطقی و قابل قبولی را ارائه کردند. مدل های garch انتخابی برای این مطالعه برای هر دو بازه زمانی garch(1,1) بوده است. سپس داده ها با استفاده از شبکه های عصبی مصنوعی مدل سازی شده اند. برای بازه اول زمانی یک شبکه عصبی با 6 نرون در لایه ورودی، 9 نرون در لایه مخفی و یک نرون در لایه مخفی و برای بازه دوم زمانی یک شبکه عصبی با 10 نرون در لایه ورودی، 8 نرون در لایه مخفی و یک نرون در لایه خروجی به عنوان شبکه های بهینه انتخاب شده است. در پایان عملکرد این سه مدل با یکدیگر مقایسه شده است. برای مقایسه این مدل ها از معیارهای rmse، mae و شاخص تایل استفاده شده که مدل garch مقادیر کمتری نسبت به مدل arima داشته است و شبکه عصبی در تمامی این معیارها دارای مقادیر کمتر در مقایسه با مدل های دیگر بوده است. کلمات کلیدی: شبکه های عصبی، arima، garch، پیش بینی، قیمت نفت تک محموله (spot) طبقه بندی jel: c53, e37, q30