Skip to main content
فهرست مقالات

مقایسه ی عملکرد شبکه های عصبی و مدل در مدل سازی و پیش بینی کوتاه مدت قیمت سبد نفت خام اوپک با تأکید بر انتظارات تطبیقی

نویسنده:

علمی-پژوهشی (وزارت علوم)/ISC (24 صفحه - از 25 تا 48)

کلید واژه های ماشینی : قیمت سبد نفت خام اوپک ، نفت خام ، قیمت ، شبکه‌ی عصبی ، قیمت نفت ، مدل ، قیمت نفت خام ، شبکه‌ی عصبی مصنوعی ، نرون ، پیش‌بینی کوتاه‌مدت قیمت سبد نفت

امروزه نفت به عنوان یکی از منابع مورد استفاده‌ی بشر،از اهمیت ویژه‌ای برخوردار است. قیمت نفت به دلیل اهمیت آن در بازارهای بین المللی،رابطه‌ی اساسی با اقتصاد کشورها و موقعیت استراتژیک آن در بین کالاهای اقتصادی،به عنوان یکی از عوامل مؤثر در اقتصاد بین‌الملل،نقش تعیین‌کننده‌ای دارد.شناخت ساختار قیمت این کالا و مدل‌سازی آن همواره‌ مورد توجه پژوهش‌های اقتصادی بوده و تلاش‌هایی نیز برای بررسی علت نوسان و پیش‌بینی‌ آن انجام گرفته است.در این راستا شبکه‌های عصبی مصنوعی از قابلیت بالایی در مدل‌سازی‌ فرایندهای تصادفی و پیچیده و پیش‌بینی مسیرهای غیر خطی پویا برخوردار هستند.در این‌ مقاله،با استفاده از شبکه‌ی عصبی مصنوعی مبتنی بر انتظارات قیمتی برای داده‌های روزانه،به‌ مدل‌سازی و پیش‌بینی روزانه‌ی قیمت سبد نفت خام اوپک پرداخته شده و نتایج آن با مقادیر پیش‌بینی شده توسط مدل‌ ARIMA براساس معیارهای اندازه‌گیری دقت پیش‌بینی،مورد مقایسه قرار گرفته است.نتایج تحقیق نشان می‌دهد که شبکه‌ی عصبی مورد استفاده،نسبت به‌ مدل‌ ARIMA از قدرت پیش‌بینی بهتری برخوردار است و قیمت نفت خام تابعی از قیمت‌های‌ 5 روز گذشته‌ی خود می‌باشد. طبقه‌بندی: C53,E37,Q30

خلاصه ماشینی:

"در این‌ مقاله،با استفاده از شبکه‌ی عصبی مصنوعی مبتنی بر انتظارات قیمتی برای داده‌های روزانه،به‌ مدل‌سازی و پیش‌بینی روزانه‌ی قیمت سبد نفت خام اوپک پرداخته شده و نتایج آن با مقادیر پیش‌بینی شده توسط مدل‌ ARIMA براساس معیارهای اندازه‌گیری دقت پیش‌بینی،مورد مقایسه قرار گرفته است. در فرایند توسعه‌ی این مدل،تأثیر انواع متغیرهای فنی و بنیادی،تعداد نرون‌های لایه‌ی ورودی، تعداد لایه‌ها و نرون‌های پنهان و توابع تبدیل لایه‌ها،پیش‌پردازش مناسب داده‌ها، تقسیمات مختلف داده‌ها برای انتخاب مجموعه‌های آموزشی و آزمایش،انواع لگاریتم‌ یادگیری بهبود یافته و انواع شبکه با انجام آزمایش‌های فراوان بررسی شده اما هیچ یک‌ از متغیرها به جز متغیر تأخیری قیمت نفت خام با وقفه‌های 1-9 نتوانسته است نتایج‌ پیش‌بینی شبکه را بهبود بخشد. در این مطالعه،در مدل ترکیبی،از خاصیت هموارسازی تبدیل موجک برای کاهش سطح نویز داده‌ها استفاده شده و سپس‌ قیمت نفت به وسیله شبکه‌ی عصبی مصنوعی و با داده‌های هموارسازی شده،پیش‌بینی‌ (1)- Mean Absolute Error. جدول 2-طراحی و مدل‌سازی قیمت سبد نفت خام اوپک در شبکه‌ی عصبی (به تصویر صفحه مراجعه شود) در این مطالعه از شبکه‌ی عصبی پیش‌خور چند لایه،دارای 02 نرون در لایه‌ی‌ مخفی و تابع فعال‌سازی شیگموئید و لایه‌ی خروجی آن استفاده شده است. با توجه به این‌که هفته‌ی کاری بازار بورس نفت،5 روز می‌باشد و با در نظر گرفتن‌ تأثیرات قیمتی روزهای هفته‌ی جاری،در روزهای هفته بعد به ویژه اولین روز هفته،در این مقاله با استفاده از دو روش مذکور قیمت سبد نفت خام اوپک برای 6 روز آینده‌ پیش‌بینی شده است."


برای مشاهده محتوای مقاله لازم است وارد پایگاه شوید. در صورتی که عضو نیستید از قسمت عضویت اقدام فرمایید.