پیش بینی قیمت نفت بر اساس مدل های غیرخطی انتقال ملایم و بهینهسازی الگوریتم ژنتیک

امروزه قیمت نفت نقش مهمی را در اقتصاد جهانی ایفا می کند و به عنوان یک عامل مهم و اثرگذار بر برنامه های دولت ها و بخش های تجاری و بازرگانی اهمیت فراوانی دارد. با توجه به اهمیت روز افزون نفت در بازارهای مالی، پیشبینی قیمت نفت خام همواره مورد علاقه بسیاری از فعالان بازار و سیاستگذاران بوده است. در این راستا، در این پژوهش، ضمن بررسی و انجام آزمون غیرخطی برای داده های ماهانه قیمت نفت خام، به مدلسازی و پیشبینی قیمت نفت خام در بازارهای جهانی میپردازیم. برای این منظور از روش شناسی رگرسیون غیرخطی انتقال ملایم استفاده می کنیم. همچنین، به منظور مقایسه عملکرد پیشبینی های خارج از نمونه، مدل رگرسیون غیرخطی انتقال ملایم بر اساس بهینهسازی الگوریتم ژنتیک، مدل شبکه عصبی مصنوعی و مدل ARIMA را برآورد می کنیم. یافته های این پژوهش، تاییدکننده رفتار غیرخطی قیمت نفت خام و عملکرد بهتر مدلهای غیرخطی نسبت به مدل ARIMAدر پیش بینی خارج از نمونه قیمت نفت خام برای افق 12 ماهه بر اساس معیارهای RMSE و MAE و DA است.