این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پژوهش های اقتصادی ایران، جلد ۹، شماره ۳۲، صفحات ۱۶۱-۱۸۳

عنوان فارسی پیش‌بینی قیمت نفت با دو روش ARIMA و شبکه‌های عصبی مصنوعی
چکیده فارسی مقاله توانایی کم­نظیر شبکه­های عصبی مصنوعی به عنوان ابزاری قدرتمند برای تحلیل و برآورد در حوزه علوم تجربی و مهندسی موجب شد تا مورد توجه اقتصاددانان قرار گیرد. در این پژوهش، پس از مرور پژوهش­های انجام­شده در مورد توانایی پیش­بینی مدل­های خود توضیح جمعی میانگین متحرک (ARIMA)[1]و شبکه­های عصبی مصنوعی(ANN)[2] به مقایسه این دو روش برای پیش­بینی قیمت روزانه نفت در دوره آوریل 1983 تا ژوئن 2005 پرداخته­ایم. افزون بر این، در این پژوهش پس از مدلسازی به وسیله شبکه­های عصبی مصنوعی، به منظور تشخیص سهم مشارکت هر پارامتر ورودی در این مدل از تجزیه و تحلیل حساسیت استفاده کرده­ایم. با توجه به حجم وسیع به کارگیری اطلاعات روزانه قیمت جهانی نفت (بیش از 5500 روز اطلاعات) نتایج به دست آمده نشان­دهنده برتری غیرقابل مقایسه مدل شبکه­های عصبی مصنوعی نسبت به مدل ARIMA در پیش­بینی قیمت روزانه نفت است. 1.Autoregressive Integrated Moving Average [2].Artifical Neural Networks
کلیدواژه‌های فارسی مقاله

عنوان انگلیسی Oil Price Forecasting; A Comparison between ARIMA and ANN Models
چکیده انگلیسی مقاله Ability of Artificial Neural Networks (ANNs) as a powerful tool in simulation and prediction in science and engineering has made it attractive to economists. In this article, after a brief review of literature, a comparison of forecasting performance of ANN versus ARIMA is made. The data used are daily prices of oil for the period April 1983 to June 2005. In addition, sensitivity analysis is implemented for illustrating contribution of each input to the price changes in ANN models. The results show that the ANN model generates more accurate forecasts for the daily oil prices of oil than ARIMA model.
کلیدواژه‌های انگلیسی مقاله

نویسندگان مقاله

نشانی اینترنتی http://ijer.atu.ac.ir/article_3629_6cf7eff8e3594f4691cce8fe30c95636.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1356/article-1356-281839.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات