عنوان پایان‌نامه
پیش بینی قیمت نفت با استفاده از سامانه خبره تلفیقی
- رشته تحصیلی
- علوم اقتصادی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه دانشکده اقتصاد شماره ثبت: 1206;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 43407
- تاریخ دفاع
- ۱۳ بهمن ۱۳۸۸
- دانشجو
- ویدا ورهرامی
- استاد راهنما
- حمید ابریشمی
- چکیده
- نفت در بازار جهانی کالای بسیار مهمی بوده و 3/2 مصرف انرژی جهان از جانب نفت و گاز طبیعی می باشد ، به طوری که عرضه و تقاضایی مازاد بر 80 میلیون بشکه در روز برای نفت وجود دارد. در سال های اخیر در بازار های مالی جهان نوسانات مختلفی روی داده است، بدین سان در این سال ها قیمت نفت نیز بی ثبات بوده و عوامل مختلفی از جانب عرضه و تقاضا بر قیمت ان موثر می باشند. در این شرایط خریداران، فروشندگان و سفته بازان خواهان پیش بینی این نوسانات هستند و از روش های مختلفی جهت پیش بینی استفاده می کنند . در این پژوهش سامانه خبره تلفیقی به عنوان روشی جدید جهت پیش بینی نوسانات قیمت نفت معرفی می گردد. سامانه خبره ،تلفیقی از سامانه خبره قاعده گرا و شبکه عصبی GMDH است. در این سامانه عوامل موثر بر نوسانات قیمت نفت و میزان تاثیر گذاری آنها در قالب قوانینی وارد جریان مدل سازی پویا می گردند. نتایج حاصل از پژوهش نشان داد که جهت مقایسه بین سامانه خبره و شبکه عصبی GMDH، در سالهایی که رویدادهای مختلفی بر قیمت نفت موثر بودند، سامانه خبره بهتر از شبکه عصبی GMDH قادر به پیش بینی قیمت نفت است. بدین سان سامانه خبره تلفیقی روشی جدید، کارآمد و منعطف جهت پیش بینی قیمت نفت بوده و در بازار های مختلف قابل استفاده می باشد.
- Abstract
- Crude oil is an important commodity in the World market, with two-thirds of world's energy needs met by crude oil and natural gas through global oil transactions exceeding 80 million barrels per day. In recent years, the global financial markets have witnessed various shocks. In these years, crude oil price has also been unstable with various factors affecting supply and demand. In these conditions, buyers, sellers and speculators are interested to forecast these variations and employ different forecasting methods. This thesis introduces a novel hybrid intelligent system for crude oil price forecasting. The hybrid intelligent system is developed by combining the Rule-based Expert System and GMDH neural network approaches. In this framework factors affecting oil price changes and their levels of influence are modeled. The results show that during periods of price volatility the hybrid intelligent framework provides better forecasts of oil prices than those obtained through use of the GMDH neural network. We thus conclude that the hybrid intelligent forecasting model is an effective, novel and dynamic tool for crude oil price forecasting that can be used in different markets. Keywords: Hybrid Intelligent System; GMDH neural networks; Rule–based Expert System (RES); Crude oil price forecasting.
