مقايسه‎ي عملكرد شبكه‌هاي‌عصبي و مدلARIMA در مدل‎سازي و پيش‎بيني كوتاه‌مدت قيمت سبد نفت‎خام اوپك (با تاكيد بر انتظارات تطبيقي)

Comparison of Neural Networks and ARIMA in Modeling and Forecasting of Short Run Pricing of the OPEC Crude Oil Basket (With Focus on Comparative Expectations)

امروزه نفت به عنوان يكي از منابع مورد استفاده‎ي بشر، از اهميت ويژه‌اي برخوردار است. قيمت نفت به دليل اهميت آن در بازارهاي بين‌المللي، رابطه‎ي اساسي با اقتصاد كشورها و موقعيت استراتژيك آن در بين كالاهاي اقتصادي، به‌ عنوان يكي از عوامل موثر در اقتصاد بين‌الملل، نقش تعيين‌كننده‌اي دارد. شناخت ساختار قيمت اين كالا و مدل‎سازي آن همواره مورد توجه پژوهش‌هاي اقتصادي بوده و تلاش‌هايي نيز براي بررسي علت نوسان و پيش‎بيني آن انجام گرفته است. در اين راستا، شبكه‌هاي عصبي مصنوعي از قابليت بالايي در مدل‎سازي فرايندهاي تصادفي و پيچيده و پيش‎بيني مسيرهاي غيرخطي پويا برخوردار هستند. در اين مقاله، با استفاده از شبكه‌‎ي عصبي مصنوعي مبتني بر انتظارات قيمتي براي داده‌هاي روزانه، به مدل‎سازي و پيش‎بيني روزانه‎ي قيمت سبد نفت‎خام اوپك پرداخته شده و نتايج آن با مقادير پيش‎بيني شده توسط مدل ARIMA براساس معيارهاي اندازه‌گيري دقت پيش‎بيني، مورد مقايسه قرار گرفته است. نتايج تحقيق نشان مي‌دهد كه شبكه‎ي عصبي مورد استفاده، نسبت به مدل ARIMA از قدرت پيش‎بيني بهتري برخوردار است و قيمت نفت‎خام تابعي از قيمت‎هاي 5 روز گذشته‎ي خود مي‌باشد. طبقه‌بندي JEL : C53, E37, Q30 كليد واژه: شبكه‌هاي عصبي، ARIMA، پيش بيني، قيمت‌ سبد نفت‎خام اوپك، انتظارات تطبيقي

Abstract Oil price has a determining role in the World Economy due to its strategic role in international production systems. This is why there has been a lot of interest in understanding its price dynamics and modeling its behavior and factors that lead to its volatility. In this context, Artificial Neural Networks have a high potential in modeling of random and complex processes and forecasting of dynamic nonlinear trends. In this paper we model and forecast the daily price of the OPEC oil basket through use of Artificial Neural Networks based on daily priee expectations and compare its results with those of the ARIMA model based on prediction accuracy measure criteria. The results demonstrate that Neural Networks have better forecasting power than the ARIMA model, with the daily price of oil being a function of the price in the preceding five days. JEL Classifications. C53, E37, Q30 Keywords: Neural Network, ARIMA, Forecasting, Price of OPEC Crude flasket, Comparative