چکیده:
نااطمینانی در بازارهای نفت، محققان اقتصادی را به استفاده از فرایندهای تصادفی رهنمون کرده است. هدف از پژوهش حاضر، استفاده از مدلهای دیفرانسیل تصادفی در پیشبینی قیمت نفت خام وست تگزاس اینترمدیت (WTI) و مقایسه دقت پیشبینی این مدلها با مدلهای خانواده آریما و گارچ حافظه کوتاهمدت و بلندمدت گارچ است. در این مقاله از دادههای روزانه قیمت نفت خام WTIاز تاریخ 2/01/1986 تا تاریخ 17/10/2016 استفاده شده است که از تاریخ 2/01/1986 تا 29/08/ 2016 به عنوان بازه زمانی دروننمونهای و مابقی مشاهدات به عنوان بازه زمانی پیشبینی بروننمونهای استفاده شده است. نتایج حاصل از مقایسه پیشبینی مدلهای تحقیق با استفاده از معیارRMSE نشان داده است که در پیشبینی درون نمونهای و پیشبینی بروننمونهای در افقهای 5 روزه، 10 روزه و 22 روزه، مدلهای حافظه بلندمدت آرفیما-فیگارچ و دیفرانسیل تصادفی عملکرد دقیقتری نسبت به مدلهای آریما و گارچ حافظه کوتاهمدت داشتهاند.
خلاصه ماشینی:
هدف از پژوهش حاضر، استفاده از مدل های دیفرانسیل تصادفی در پیش بینی قیمت نفت خام وست تگزاس اینترمدیت (WTI) و مقایسه دقت پیش بینی این مدلها با مدلهای خانواده آریما و گارچ حافظه کوتاه مدت و بلندمدت گارچ است .
نتایج حاصل از مقایسه پیش بینی مدلهای تحقیق با استفاده از معیارRMSE نشان داده است که در پیش بینی درون نمونه ای و پیش بینی برون نمونه ای در افق های ٥ روزه ، ١٠ روزه و ٢٢ روزه ، مدلهای حافظه بلندمدت آرفیما-فیگارچ و دیفرانسیل تصادفی عملکرد دقیق تری نسبت به مدلهای آریما و گارچ حافظه کوتاه مدت داشته اند.
سپس به پیش بینی یک ، پنج ، ده و بیست و دو گام به جلو قیمت نفت خام با استفاده از پارامترهای تخمینی مدل دیفرانسیل تصادفی پرداخته و نتایج با پیش بینی روشهای خطی مانند ARIMA، و انواع مدلهای واریانس شرطی خانواده GARCH شامل مدلهای حافظه کوتاه مدت و بلندمدت مقایسه میشود.
فرجام نیا و همکاران (١٣٨٦) با مقایسه دو روش خود توضیح جمعی میانگین متحرک ARIMA و شبکه های عصبی مصنوعی ANN در پیش بینی قیمت روزانه نفت پرداخته و پس از مدلسازی و استفاده از تجزیه و تحلیل حساسیت در تشخیص سهم مشارکت هر پارامتر ورودی؛ نتایج بدست آمده نشان دهنده برتری غیر قابل مقایسه مدلهای شبکه های عصبی مصنوعی و دقت بالاتر این مدلها میباشد.
گیبسون و شوارتز (١٩٩٠) با استفاده از مدل بلک - شولتز و مرتون و استفاده از حرکت براونی هندسی، اقدام به پیش بینی قیمت نفت خام در طول دهه ١٩٩٠ پرداخته اند در این مقاله نیز نتایج حاکی از برتری مدلهای دیفرانسیل تصادفی نسبت به سایر مدلهای رقیب دارد.