پیش‌بینی قیمت نفت‌خام برنت با الگوی ترکیبی مدل خاکستری غیرخطی و تصحیح پسماند آریمای خطی

ویژگی‌‌های نفت‌خام و عوامل موثر بر قیمت این حامل انرژی باعث شده است تا پیش‌‌بینی قیمت آن همواره مورد توجه محققان، فعالان بازار نفت، دولت‌ها و سیاست‌گذاران قرار گیرد. با توجه به این که قیمت نفت‌خام تحت تاثیر عوامل زیادی است، همواره باید در این زمینه مطالعات مداوم صورت گیرد تا برآوردهای انجام شده با گذشت زمان، نتایج دقیق‌‌تر و از قابلیت اعتماد بالاتری برخوردار شود. در این مقاله برای پیش‌بینی قیمت نفت‌خام از ترکیب مدل خاکستری غیرخطی و آریما استفاده شده و مدل ترکیبی خاکستری غیرخطیآریما پیشنهاد شده است. برای بررسی این تکنیک از داده‌‌های قیمت نفت‌‌خام برنت در بازه‌‌های زمانی فصلی، ماهیانه و هفتگی استفاده شده است. در پیش‌‌بینی فصلی داده‌‌های سه ماهه اول سال 2015 تا سه ماهه چهارم سال 2021، در پیش‌‌بینی ماهیانه داده‌‌های ژانویه 2020 تا دسامبر 2021 و در پیش‌‌بینی هفتگی داده‌‌های هفته دوم مارس2020 تا هفته اول دسامبر 2021 مورد استفاده قرار گرفته است. نتایج نشان داد میانگین قدرمطلق درصد خطا و جذر میانگین مربع خطا در مدل ترکیبی‌‌، همواره کم‌‌تر از مدل منفرد خاکستری غیرخطی است. هم‌‌چنین، مدل ترکیبی توانایی بالاتری جهت توضیح و پوشش نوسانات قیمت در بازه‌‌های مختلف زمانی را داشته و قابل اطمینان‌‌تر از مدل منفرد است. لذا می‌‌توان از مدل ترکیبی به جای مدل‌‌های مبتنی بر نظریه منفرد برای پیش‌‌بینی دقیق‌‌تر استفاده کرد.طبقه بندی jel: q47,c53,c01

Brent crude oil Price Forecast with Hybrid Model of Nonlinear Grey Model and Linear Arima Waste Correction

The characteristics of crude oil and the factors affecting the price of this energy carrier have caused its price forecast to always be considered by researchers, oil market activists, governments and policy makers. Since the price of crude oil is affected by many factors, therefore, continuous studies should be done in this way so that the estimates made over time, the results are more accurate and more reliable. In this paper, a combination of nonlinear grey model and Arima is used to forecast the price of crude oil and a combined nonlinear greyArima model is proposed. Brent crude oil price data for seasonal, monthly and weekly periods have been used to investigate this technique. In the quarterly forecast of data for the first quarter of 2015 to the fourth quarter of 2021, in the monthly forecast of data for January 2020 to December 2021 and in the weekly forecast of data for the second quarter of March 2020 until the first week of December 2021 has been used. The results showed that the mean absolute value of the error percentage and the square root of the mean square error in the hybrid model are always lower than the single theorybased model or the nonlinear grey single theory. Also, the hybrid model has a higher ability to explain and cover price fluctuations in different time periods and is more reliable than the single model. Therefore, a hybrid model can be used instead of single and single theorybased models for more accurate forecasting.JEL Classification: Q47, C53, C01Keywords: Crude Oil Price, Crude Oil Price Forecast, NGM Nonlinear Grey Model, ARIMA Model, NGMARIMA hybrid correction model