تخمین و پیش بینی روند قیمتی نفت خام های شاخص با استفاده از رویکرد ماشین بردار پشتیبان و مدل خودرگرسیونی

نفت خام از مهم ترین کالاهای استراتژیک در اقتصاد جهانی است؛ از این رو، پژوهشگران اقتصادی و سیاست گذاران همواره درصدد می باشند تا پیش بینی صحیحی از قیمت نفت ارائه نمایند. تاکنون پژوهش های مختلفی در زمینه پیش بینی قیمت نفت و هم چنین نوسانات آن انجام گرفته است. در تحقیقات قبلی از مدل های سری زمانی نظیر مدل خود رگرسیونی با میانگین متحرک و یا مدل واریانس ناهمسانی شرطی خود رگرسیو تعمیم یافته استفاده می شد. با ابداع روش های غیر کلاسیک هم چون تکنیک های هوش مصنوعی و یادگیری ماشین کاربرد روش های کلاسیک رفته رفته کم رنگ گردید. روش ماشین بردار پشتیبان از تکنیک های به روز یادگیری ماشین، دارای ویژگی های برجسته ای مانند ساده بودن تعبیر هندسی آن، رسیدن به یک جواب عمومی و یکتا و توانایی مدل سازی توابع غیرخطی می باشد. در این پژوهش، قیمت نفت برنت دریای شمال و هم چنین نفت وست تگزاس آمریکا مورد پیش بینی قرار گرفته است. قیمت این نفت خام های شاخص، با استفاده از دو روش خود رگرسیونی با میانگین متحرک و ماشین بردار پشتیبان مورد بررسی و نتایج با استفاده از دو معیار میانگین مجذور مربعات خطا و میانگین قدرمطلق خطا مورد ارزیابی قرار گرفته اند. در پایان تحقیق، روش خود رگرسیونی با میانگین متحرک به عنوان مطلوب ترین روش برای پیش بینی قیمت نفت خام های شاخص پیشنهاد می گردد.