مقایسه توانایی پیش بینی مدل های ARIMA ،VAR و شبکه های عصبی (ANN): تقاضای جهانی نفت اوپک
حوزه های تخصصی:
آگاهی از میزان تقاضای آتی نفت به منظور تعیین اولویت ها و انتخاب سیاست ها در راستای دستیابی به رشد و توسعه اقتصادی، برای کشور های عضو اوپک ضروری است. پژوهش حاضر، میزان تقاضای نفت اوپک را با استفاده از الگوهای سری زمانی شامل مدل برداری خودرگرسیونی (VAR)، مدل خودتوضیح جمعی میانگین متحرک (ARIMA) و الگوی جایگزین، شبکه عصبی مصنوعی با بکارگیری داده های ماهانه از ماه اول 2001 تا ماه دهم 2010 پیش بینی می کند. در همین راستا برای سنجش توانایی قدرت پیش بینی الگوهای سه گانه از سه معیار مجموع مربعات خطا، میانگین قدرمطلق خطا و معیار میانگین درصد قدرمطلق خطا استفاده شده است. نتایج بدست آمده نشان می دهد که الگوی VAR با میزان خطای 6 درصد برای مجموع مربعات خطا، 19 درصد میانگین قدرمطلق خطا و 5 درصد میانگین درصد قدرمطلق خطا، مناسب ترین پیش بینی ها را برای تقاضای جهانی نفت اوپک دارد. براساس روش VAR پیش بینی می شود که تقاضا برای نفت اوپک در ماه های سال 2012 رشد داشته باشد. همچنین، پیش بینی روند تقاضای جهانی برای نفت این سازمان تا سال 2015 نشان می دهد تقاضا برای نفت اوپک روند افزایشی دارد اما از سال 2014 سرعت این روند افزایشی، کندتر می شود.