درخت حوزه‌های تخصصی

در این مقاله، از رویکرد هوشمند تلفیقی، مشتمل بر نوعی از شبکه عصبی موسوم به GMDH و الگوریتم ژنتیک و بهینه سازی چند منظوره، برای تحلیل قیمت پیش خرید و پیش فروش نفت خام به منظور محاسبه حداکثر درآمد حاصل از پیش بینی در روندهای مختلف بازار مبتنی بر قواعد تحلیل تکنیکی استفاده شده است. نتایج نشان میدهد که در بازه زمانی 5 تا 10 روزه برای دوره های مختلف، بازار عایدی مطلق به 97% میرسد. هم چنین روند صعودی دارای بیش ترین عایدی و روند بیثباتی توام با تغییر، کم ترین عایدی را دارد.

در این مقاله تلاش شده است تا با استفاده از تبدیل موجک و شبکه عصبی مدلی ارایه شود که پیش بینی دقیق تر و با خطای کم تری از قیمت نفت خام داشته باشد. در این مدل ترکیبی، از خاصیت هموارسازی تبدیل موجک برای کاهش سطح نویز داده ها استفاده شده و سپس به وسیله شبکه عصبی مصنوعی و با داده های هموار سازی شده، قیمت نفت پیش بینی شده است. نتایج حاصل از مقایسه RMSE مدل های رقیب با مدل ترکیبی مورد اشاره، دلالت بر آن دارد که کاهش نویز و هموار سازی داده ها، عملکرد پیش بینی قیمت نفت را بهبود می دهد.

روش مرسوم قیمت گذاری گاز فرض می کند که قیمت گاز طبیعی رابطه نزدیکی با قیمت نفت خام دارد و از نوسانات آن پیروی می کند. به همین دلیل طی سال های متمادی در قیمت گذاری گاز طبیعی، قیمت این محصول تابعی از قیمت نفت خام در نظر گرفته شده است. بررسی روند تاریخی قیمت های نفت و گاز در بازارهای منطقه ای نیز نشان از هم سویی روند دو متغیر با یکدیگر دارد. این مقاله درصدد آن است تا با استفاده از ابزارهای اقتصادسنجی، رابطه مذکور را تبیین و ثبات آن را مورد آزمون قرار دهد. برای این منظور پس از اشاره به قاعده های سرانگشتی موجود در تخمین قیمت گاز و برآورد رابطه رگرسیونی ساده بین قیمت گاز و قیمت نفت خام، این فرضیه را مورد آزمون قرار می دهیم که آیا رابطه رگرسیونی ساده قادر به ارایه تخمینی بدون تورش و کارا از قیمت های گاز است. سرانجام با پیشنهاد مدل تصحیح خطا، تخمینی کاراتر از رابطه بلند مدت میان قیمت نفت خام و قیمت گاز طبیعی ارایه می شود.