دانشگاه علامه طباطبائی پژوهش‌های اقتصادی ایران 1726-0728 6 21 2005 01 20 Forecasting Crude Oil Futures Prices آزمون آشوب و پیش بینی قیمت های آتی نفت خام 67 90 3794 FA سعید مشیری عضو هیئت علمی دانشکده اقتصاد دانشگاه علامه طباطبائی فائزه فروتن کارشناس ارشد اقتصاد Journal Article 2016 05 14 The movements in oil prices are complex and, therefore, seem to be unpredictable. The traditional linear structural models have not been promising when applied to forecasting, particularly in the case of complex series such as oil prices. Although linear and nonlinear time series models have done much better job in forecasting oil prices, there is yet room for an improvement. If the data generating process is nonlinear, applying linear models could result in misleading forecasts. Model specification in nonlinear modeling can also be very case dependent and time-consuming. <br />   In this paper, we model and forecast daily futures oil price, listed in NYMEX, applying ARIMA, and GARCH models, for the period April June 1983 – Jan. 2003. Then, we test for chaos using BDS, Lyapunov exponent, Neural Networks, and Embedding Dimension methods. Finally, we will set up a nonlinear and flexible ANN model to forecast the series. Since the tests for chaos indicate that the oil price in futures markets is chaotic, the ANN model should make better forecasts. The forecasts comparison among the models approves that.   <span>این مقاله به امکان سنجی وجود آشوب در ساختار سیستم مولد قیمت نفت خام شاخصWTI طی دوره 4 آوریل 1983 تا 13 ژانویه 2003 می پردازد. به این منظور از تخمین نمای لیاپانوف و بعد همبستگی به عنوان آزمون های مستقیم آشوب و آزمون های BDS و شبکه عصبی جهت بررسی غیر خطی بودن ساختار سیستم استفاده شده است. نتایج تخمین نمای لیاپانوف و بعد همبستگی، وجود آشوب در سری زمانی را تایید کرده و تخمین آماره BDS و شبکه عصبی، بر غیرخطی بودن سیستم مولد قیمت روزانه نفت اشاره داشتند. در بخش پایانی یک مدل شبکه عصبی مصنوعی برای پیش بینی قیمت های آتی نفت خام طراحی و با نتایج پیش بینی مدل خطی ARMA و غیر خطی GARCH مقایسه شد. نتایج حاصل نشان داد مدل شبکه عصبی مورد استفاده نسبت به دو مدل ARMA و GARCH از قدرت پیش بینی بهتری برخوردار است.</span> https://ijer.atu.ac.ir/article_3794_916d3891a243c10fede49f9c276f1a20.pdf