پیش بینی قیمت نفت بر اساس مدل های غیرخطی انتقال ملایم و بهینه سازی 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، پیش بینی 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 مدل سازی و پیش بینی قیمت نفت خام در بازارهای جهانی می پردازیم. برای این منظور از روش شناسی رگرسیون غیرخطی انتقال ملایم! supportFootnotes]- >[1] استفاده می کنیم. همچنین، به منظور مقایسه عملکرد پیش بینی های خارج از نمونه، مدل رگرسیون غیرخطی انتقال ملایم بر اساس بهینه سازی الگوریتم ژنتیک، مدل شبکه عصبی مصنوعی supportFootnotes]–>[2] و مدل ARIMA را برآورد می کنیم. یافته های این پژوهش، تاییدکننده رفتار غیرخطی قیمت نفت خام و عملکرد بهتر مدل های 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.! supportFootnotes]–>[1]. Smooth Transition Regression! supportFootnotes]–>[2]. Artificial eural Network