عنوان پایان‌نامه
پیش بینی اثر بی ثباتی قیمت نفت بر قیمت نفت برقیمت طلا با استفاده از شبکه عصبی مصنوعی GMDH
- رشته تحصیلی
- اقتصاد انرژی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه دانشکده اقتصاد شماره ثبت: 1424;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 54095
- تاریخ دفاع
- ۳۰ بهمن ۱۳۹۰
- دانشجو
- محمد عبدوسی
- استاد راهنما
- حمید ابریشمی
- چکیده
- این تحقیق به پیش بینی اثر بی ثباتی قیمت نفت بر قیمت طلا می پردازد. طلا و نفت هر دو کالاهای استراتژیکی هستند که تغییر در قیمت هر یک از آن ها بر دیگری اثر گذار بوده و مطالعات صورت گرفته در این زمینه شاهد بر این امر است. عوامل متعددی وجود دارند که موجب عدم ثبات در قیمت های اسپات نفت می شوند. ضرورت مدیریت ریسک در بنگاه های بزرگ اقتصادی موجب شکل گیری مطالعات گسترده ای در این زمینه شده است. بی ثباتی ویژگی ذاتی کالاهایی است که ذخیره سازی و یا حمل و نقل آن ها با محدودیت یا مشکل مواجه باشد؛ همانند نفت، الکتریسیته و کالاهای کشاورزی فاسد شدنی. بی ثباتی بازتابی از عدم اطمینان در متغیرهای برونزا مثل شرایط آب و هوایی، اقتصادی و سیاسی می باشد. دراین مطالعه چهار الگوی مختلف به منظور پیش بینی قیمت طلا مورد استفاده قرار گرفته و قدرت آن ها مقایسه شده است. در الگوی اول، پیش بینی سری بازده قیمت طلا با شبک? عصبی GMDH انجام شده است، الگوی دوم، بررسی اثر بی ثباتی قیمت نفت بر قیمت طلاست که بی ثباتی قیمت نفت با استفاده از یک مدل GARCH تخمین زده شده است. در الگوی سوم بی ثباتی قیمت نفت، خود بوسیله شبک? عصبی GMDH محاسبه و کمی سازی شده و برای پیش بینی قیمت طلا مورد استفاده قرار گرفته است و در مدل آخر قیمت طلا با استفاده از یک مدل ARIMA پیش بینی شده است. مقایسه نتایج حاصل بر اساس معیارهای سنجش خطا و قدرت پیش بینی مدل های مختلف نشان می دهد که تأثیر بی ثباتی قیمت نفت در پیش بینی قیمت طلا مثبت بوده و منجر به بهبود نتایج پیش بینی می گردد. همچنین مدلی که در آن صرفأ از شبک? عصبی GMDH برای تخمین بی ثباتی قیمت نفت و پیش بینی قیمت طلا استفاده شده است به طور معناداری دارای برتری نسبت به سایر مدل ها می باشد.
- Abstract
- This research studies the effect of oil price volatility on gold prices. Prior research has confirmed the reciprocal impact of gold and oil prices on each other, as two strategic goods. Many major economic actors have shown an interest in understanding the factors that lead to volatile oil prices, as a way of managing their risks. Price volatility is an intrinsic feature of goods that cannot be easily stored or transported-such as oil, electricity and perishable agricultural products. Volatility is a reflection of uncertainty in exogenous variables such as climate and economic and political circumstances. This study evaluates the predictive power of four models used to forecast gold prices. The first model forecasts gold prices using GMDH type neural networks. The second model investigates the effect of oil price volatility on gold prices, using a GARCH model. In The third model, the oil price volatility, which has been estimated using a GMDH type neural networks model, is used to forecast gold prices. In the last model, an ARIMA model is used to forecast gold prices. Our results indicate that based on the Error Measurement criteria, taking oil price volatility into account leads to more reliable forecasting of gold prices. In addition, the model that uses the GMDH type neural networks to estimate oil price volatility and forecast gold prices produces significantly superior results than the other three models tested. KEY WORDS: Oil Price Volatility, Gold Price, GMDH Type Neural Network, ARIMA Model, Forecasting.
