چکیده:
اغلب مدل های انحصار چندجانبه بازار نفت، با فرض وجود کارتلی به نام اوپک شروع می شوند. افزایش پی در پی قیمت های نفت در طی سال های اخیر و عدم توانایی اوپک در تنظیم بازار، امکان وجود رفتار رقابتی در بازار نفت را شدت می بخشد. حال با توجه به این نوسانات شدید در بازار نفت، پیش بینی عرضه نفت، برای سیاستگذاران و شرکت های نفتی بسیار حایز اهمیت می باشد. در سال های اخیر استفاده از شبکه های عصبی مصنوعی در کنار روش های اقتصادسنجی در پیش بینی متغیرهای مهم اقتصادی مرسوم شده است. علت آن نیز در ویژگی های منحصر به فرد شبکه های عصبی از قبیل: آزادی از فرضیه های آماری و قابلیت حل مسائل غیر خطی پیچیده می باشد. در این مقاله سعی شده است علاوه بر پیش بینی تولید نفت خام در یازده کشور تولیدکننده، با استفاده از دو مدل رگرسیون خطی و شبکه های عصبی، نتایج به دست آمده در هر کشور به طور مجزا مقایسه شود. تخمین ها، حاکی از آن است که شبکه های عصبی پیش بینی های بهتری نسبت به مدل های رگرسیون خطی ارایه می کنند.
Most oligopolistic models in the oil market begin with the assumption that OPEC is a cartel. Successive increases in oil prices during recent years، and OPEC’s inability to regularize the oil market fortifies the possibility of the existence of competitive behavior in the oil market. Now، with regard to the intense fluctuations in the oil market، prediction of oil supply for politicians and oil companies is important. In the recent years، use of neural networks، along with econometrical methods، of forecasting of economic variables is a norm. Because neural networks have، exclusive characteristics like release of statistical hypotheses and capability of solving complex nonlinear problems. In this article in addition to prediction oil supply in the eleven producing countries، by use of linear regression and neural networks، the results of every country are separately compared. The estimation results show that neural networks are presenting better predictions in comparison to the linear regression models.