پیش بینی قیمت هفتگی نفت خام از طریق مدل ترکیبی ماشین بردار پشتیبان و خودرگرسیو میانگین متحرک انباشته
نویسنده:
چکیده:
همواره پیش بینی روند قیمت و نوسانات یکی از چالش های پیش روی معامله گران در بازارهای بورس نفت بوده و پیش بینی قیمت ها به عنوان یک امر ضروری وکاربردی مطرح می شود ولیکن باید پیش بینی را مورد توجه قرار داد که با دقت بیشتری صورت گیرد و نسبت به نتایج واقعی مشاهده شده خطای کمتری داشته باشد. به منظور پیش بینی قیمت هفتگی نفت خام برنت به عنوان یک نفت شاخص با توجه به دشوار بودن شناسایی دقیق الگو های خطی و غیرخطی در سری های زمانی اقتصادی و مالی از ترکیب مدل های خودرگرسیو میانگین متحرک انباشته(ARIMA) با این پیش فرض که سری زمانی دارای الگوی خطی می باشد و ماشین بردار پشتیبان(SVM)که توانایی بالایی در مدل سازی الگو های غیرخطی دارد به منظور افزایش دقت پیش بینی استفاده شده است. با توجه به آزمون مقایسه زوجی معیارهای ارزیابی عملکرد ریشه میانگین مجذور خطا(RMSE) و میانگین قدرمطلق درصد خطا(MAPE) که حاصل مقادیر پیش بینی شده و مقادیر واقعی هر یک از مدل ها هستند، نتایج بیانگر این موضوع بودند که در بیشتر موارد مدل ترکیبی خطای کمتری در پیش بینی قیمت نفت خام نسبت به کاربرد مجزای مدل های خودرگرسیو میانگین متحرک انباشته و ماشین بردار پشتیبان دارد.
کلیدواژگان:
زبان:
فارسی
انتشار در:
صفحات:
145 تا 160
لینک کوتاه:
magiran.com/p1533659
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یکساله به مبلغ 1,390,000ريال میتوانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!