مقایسه‎ی عملکرد شبکه های عصبی و مدلARIMA در مدل‎سازی و پیش‎بینی کوتاه مدت قیمت سبد نفت‎خام اوپک (با تاکید بر انتظارات تطبیقی)

امروزه نفت به عنوان یکی از منابع مورد استفاده‎ی بشر، از اهمیت ویژه ای برخوردار است. قیمت نفت به دلیل اهمیت آن در بازارهای بین المللی، رابطه‎ی اساسی با اقتصاد کشورها و موقعیت استراتژیک آن در بین کالاهای اقتصادی، به عنوان یکی از عوامل مؤثر در اقتصاد بین الملل، نقش تعیین کننده ای دارد. شناخت ساختار قیمت این کالا و مدل‎سازی آن همواره مورد توجه پژوهش های اقتصادی بوده و تلاش هایی نیز برای بررسی علت نوسان و پیش‎بینی آن انجام گرفته است. در این راستا، شبکه های عصبی مصنوعی از قابلیت بالایی در مدل‎سازی فرایندهای تصادفی و پیچیده و پیش‎بینی مسیرهای غیرخطی پویا برخوردار هستند. در این مقاله، با استفاده از شبکه ‎ی عصبی مصنوعی مبتنی بر انتظارات قیمتی برای داده های روزانه، به مدل‎سازی و پیش‎بینی روزانه‎ی قیمت سبد نفت‎خام اوپک پرداخته شده و نتایج آن با مقادیر پیش‎بینی شده توسط مدل ARIMA براساس معیارهای اندازه گیری دقت پیش‎بینی، مورد مقایسه قرار گرفته است. نتایج تحقیق نشان می دهد که شبکه‎ی عصبی مورد استفاده، نسبت به مدل ARIMA از قدرت پیش‎بینی بهتری برخوردار است و قیمت نفت‎خام تابعی از قیمت‎های 5 روز گذشته‎ی خود می باشد.