درخت حوزه‌های تخصصی

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.

توانایی کم نظیر شبکه های عصبی مصنوعی به عنوان ابزاری قدرتمند برای تحلیل و برآورد در حوزه علوم تجربی و مهندسی موجب شد تا مورد توجه اقتصاددانان قرار گیرد. در این پژوهش، پس از مرور پژوهش های انجام شده در مورد توانایی پیش بینی مدل های خود توضیح جمعی میانگین متحرک (ARIMA) و شبکه های عصبی مصنوعی(ANN) به مقایسه این دو روش برای پیش بینی قیمت روزانه نفت در دوره آوریل 1983 تا ژوئن 2005 پرداخته ایم. افزون بر این، در این پژوهش پس از مدلسازی به وسیله شبکه های عصبی مصنوعی، به منظور تشخیص سهم مشارکت هر پارامتر ورودی در این مدل از تجزیه و تحلیل حساسیت استفاده کرده ایم. با توجه به حجم وسیع به کارگیری اطلاعات روزانه قیمت جهانی نفت (بیش از 5500 روز اطلاعات) نتایج به دست آمده نشان دهنده برتری غیرقابل مقایسه مدل شبکه های عصبی مصنوعی نسبت به مدل ARIMA در پیش بینی قیمت روزانه نفت است.