چکیده:
با توجه به اهمیت ویژهی نفت بهعنوان یکی از منابع اصلی تأمینکنندهی انرژی در جهان و قیمت آن در بازارهای بینالمللی، بر آن شدیم تا در این پژوهش به پیشبینی قیمت نفت خام با استفاده از متدولوژی جدیدی بپردازیم. روش حاضر ترکیبی از تبدیل موجک و مدلهای، رگرسیون هارمونیک و مدل هُلت-وینترز است که بهطور همزمان برای پیشبینی سری زمانی قیمت نفت خام به کار گرفته شـدهاند. دادههای سری زمانی قیمت نفت خام، ابتدا با استفاده از تبدیل موجک به سه سری دادههای دارای روند، دادههای متأثر از عوامل فصلی و دادههای با فرکانس بالا (تلاطمات) تجزیه میشوند. سپس هر سری با استفاده از مدل مربوط به آن پیشبینی شده و در مرحـلهی نهایی، برای دسـتیابی به پیشبینی نـهایی سریهای زمانی پیشبینی شده با هم ترکیب میشوند. پیشبینیهای بدست آمده با استفاده از مدل پیشنهادی با پیشبینیهای حاصل از روش مقایسه گردیده است. نتایج حاکی از آن است که مدل مورد استفاده در این تحقیق، پیشبینی صحیحتر و با خطای کمتری برای قیمت نفت خام ارائه میدهد.
چکیده انگلیسی:
This paper presents a new model for forecasting crude oil prices. The model is a combination of wavelet transformation with the ARMAX, Harmonic regression Holt-Winters and models. The study applies this model to forecasting the time series data of crude oil. The time series data of oil prices are decomposed by applying wavelet transformation to the three series; trend series, seasonality series and high frequency (fluctuations) series. The study then proceeds to apply the related models to forecast each series and finally to achieve the final forecasting, combines the forecasted time series with each other. By comparing the resulted forecasts from the proposed model with ARMA model, it is indicated that the using model in this thesis has better performance and accuracy.
خبرنامه
برای ثبت نام در خبرنامه و دریافت خبرنامه ایمیل خود را وارد نمایید.