این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
برنامه ریزی و بودجه، جلد ۱۸، شماره ۳، صفحات ۲۱-۴۸
عنوان فارسی تحلیل و پیش‌بینی اثرات غیرخطی در بازار نفت
چکیده فارسی مقاله این پژوهش تلاشی در جهت معرفی یک الگوی مطلوب جهت مدل‌سازی و پیش‌بینی نوسانات قیمت نفت خام ایران می‌باشد. لذا، سعی شده است تا تحلیل جامعی از پیش‌بینی قیمت این نهاده ارایه گردد، به همین منظور، ضمن بررسی ماهیت مقوله پیش-بینی‌پذیری به کمک آزمون‌های نسبت واریانس، BDS و نیز آزمون آشوب‌گونه بودن این سری، به تحلیل ساختار خطی و یا غیرخطی بودن آن پرداخته شده و پس از تأیید آشوب‌گونه بودن سری بازدهی قیمت نفت بر اساس آزمون توان لیاپانوف و نیز وجود ویژگی حافظه بلندمدت، مهر تأییدی بر رد فرضیه بازارهای کارا و قبول فرضیه بازارهای فرکتال بوده است. سپس با علم به ویژگی-های ذاتی سری بازدهی قیمت نفت، به کمک ترکیب مدل‌های مبتنی بر حافظه بلندمدت و تجزیه موجک، به انتخاب بهترین مدل ممکن پرداخته شد. نتایج این مطالعه بر مبنای آزمون GPH، مبین وجود ویژگی حافظه بلندمدت در سری بازدهی و نوسانات قیمت نفت بوده و همچنین به‌کارگیری تکنیک تجزیه موجک را برای داده‌های پر‌تلاطم، مؤ‌ثر دانسته است، چرا که بر اساس معیارهای سنجش خطای پیش‌بینی MSE و RMSE مدل ترکیبی مبتنی بر حافظه بلندمدت و تجزیه موجک در مقایسه با مدل حافظه بلندمدت با داده‌های تجزیه نشده، از عملکرد دقیق‌تری برخوردار بوده است.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Analysis and Forecasting of Nonlinearity in Oil Market
چکیده انگلیسی مقاله This research aims to introduce an ideal model for forecasting Iranian crude oil price movements. It tries to make an all-out analysis of this energy product. Therefore, we tested the ‘predictability’ hypothesis by using the variance ratio test, BDS test and the chaos series test. Later, a structural analysis is a carried out to investigate possible nonlinear patterns in the series. Lyapunov exponents confirmed that the return series of crude oil prices were chaotic. Moreover, According to our findings, the return series has the long memory property which, rejecting efficient markets hypothesis, affirms the fractal market hypothesis. The GPH test verifies that both return and volatility series of crude oil price have the long-memory property. Besides, according to both MSE and RMSE criteria, wavelet-decomposed data significantly improves the performance of model. As a result, we introduce a hybrid model based on the long-memory property which uses wavelet decomposed data as the most accurate model.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله اسماعیل نادری | esmaeil naderi


نادیا گندلی علیخانی | nadiya gandali alikhani


حسین عباسی نژاد | hossein abbasinejad


نشانی اینترنتی http://www.jpbud.ir/browse.php?a_code=A-10-388-2&slc_lang=fa&sid=fa
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده تخصصی
نوع مقاله منتشر شده کاربردی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات