مقایسه توانایی پیش‌بینی مدل‌های VAR ، ARIMA و شبکه‌های عصبی (ANN) :تقاضای جهانی نفت اوپک

آگاهی از میزان تقاضای آتی نفت به منظور تعیین اولویت­ها و انتخاب سیاست­ها در راستای دستیابی به رشد و توسعه­ اقتصادی، برای کشور­های عضو اوپک ضروری است.  پژوهش حاضر، میزان تقاضای نفت اوپک را با استفاده از الگوهای سری ­زمانی شامل مدل­برداری خودرگرسیونی(VAR)، مدل خودتوضیح جمعی میانگین متحرک (ARIMA) و الگوی جایگزین، شبکه عصبی مصنوعی با بکارگیری داده­های ماهانه از ماه اول 2001 تا ماه دهم 2010 پیش­بینی می­کند.

در همین راستا برای سنجش توانایی قدرت پیش­بینی الگوهای سه­گانه از سه معیار مجموع مربعات خطا، میانگین قدرمطلق خطا و معیار میانگیندرصد قدرمطلق خطااستفاده شده است. نتایج بدست آمده نشان می­دهد که الگوی VAR با میزان خطای 6 درصد برای مجموع مربعات خطا، 19 درصد میانگین قدرمطلق خطا و 5 درصد میانگین درصد قدرمطلق خطا، مناسب­ترین پیش­بینی­ها را برای تقاضای جهانی نفت اوپک دارد.

براساس روش VAR پیش­بینی می­شود که تقاضا برای نفت اوپک در ماه­های سال 2012 رشد داشته باشد. همچنین، پیش­بینی روند تقاضای جهانی برای نفت این سازمان تا سال 2015 نشان می­دهد تقاضا برای نفت اوپک روند افزایشی دارد اما از سال 2014 سرعت این روند افزایشی، کندتر می­شود.