TY - JOUR ID - 3629 TI - پیش‌بینی قیمت نفت با دو روش ARIMA و شبکه‌های عصبی مصنوعی JO - پژوهش‌های اقتصادی ایران JA - IJER LA - fa SN - 1726-0728 AU - فرجام نیا, ایمان AU - ناصری, محسن AU - احمدی, سید محمدمهدی AD - کارشناسی ارشد اقتصاد و انرژی از دانشگاه تهران AD - دانشجوی دکتری مهندسی عمران دانشگاه شیراز AD - دانشجوی کارشناسی ارشد اقتصاد نظری دانشگاه تهران Y1 - 2007 PY - 2007 VL - 9 IS - 32 SP - 161 EP - 183 KW - سری‌های زمانی KW - شبکه‌های عصبی مصنوعی(ANN) KW - مدل ARIMA KW - آنالیز حساسیت DO - N2 - 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 UR - https://ijer.atu.ac.ir/article_3629.html L1 - https://ijer.atu.ac.ir/article_3629_6cf7eff8e3594f4691cce8fe30c95636.pdf ER -