پیش‌بینی قیمت نفت خام اوپک با استفاده از مدل خودبازگشتی میانگین متحرک انباشته فازی

عوامل زیادی بر قیمت نفت خام تأثیر می­گذارند از این رو استفاده از یک مدل چند متغیری که تمام عوامل مؤثر بر قیمت نفت را لحاظ کرده باشد کاری دشوار است. به همین دلیل، پیش­بینی این متغیر از طریق مدل­های چند متغیری بسیار دشوار است. در این حالت ممکن است استفاده از مدل­های تک متغیری روش مناسبی باشد. در این مدل­ها از حافظه تاریخی متغیر برای مدل­سازی و پیش­بینی استفاده می­شود.

اما یکی از محدودیت­های مدل­های تک متغیری این است که برای حصول نتایج مناسب نیاز به داده­های زیادی دارند. از آنجا که مدل­های رگرسیون فازی برای پیش­بینی دقیق نیاز به تعداد داده­های کم­تری دارند، در این تحقیق، از سه روش رگرسیون فازی، آریما و رگرسیون خودبازگشتی میانگین متحرک انباشته فازی (ترکیب دو روش مذکور) و از داده­های روزانه قیمت نفت اوپک برای پیش­بینی قیمت نفت خام اوپک استفاده شده است.

نتایج حاکی از این است که مدل­های رگرسیون فازی و رگرسیون خودبازگشتی میانگین متحرک انباشته فازی علاوه بر این که از نظر تمام معیارهای متداول خطای پیش‌بینی، عملکرد بهتری نسبت به مدل آریما دارند با فراهم کردن بهترین و بدترین حالت، تصمیم­گیری را نسبت به مدل آریما تسهیل کرده است. همچنین مدل ترکیبی به مراتب پیش­بینی بهتری نسبت به مدل رگرسیون فازی ارائه می‌دهد و فاصله بازه تصمیم­گیری را کوتاه­تر می­کند.