پيش بيني قيمت روزانه نفت خام برنت با تركيب روش هاي آناليز مؤلفه هاي اصلي و رگرسيون بردار پشتيبان

پيش بيني روند قيمت نفت خام و نوسانات آن همواره يكي از چالش هاي پيش روي معامله گران در بازارهاي نفتي بوده است. اين مقاله به پيش بيني قيمت روزانه نفت خام برنت با يك مدل تركيبي پيشنهادي مي پردازد. نمونه آماري قيمت روزانه نفت خام برنت درياي شمال از ژوئيه سال 2008 تا ژوئيه سال 2016 مي باشد كه از ميان كل قيمت هاي روزانه نفت در تمام بازارهاي نفتي انتخاب شده است. در اين پژوهش، براي پيش بيني مدلي از تركيب روش هاي آماري و هوش مصنوعي (PCASVR) ارائه مي شود. با توجه به اثبات برتري دقت پيش بيني مدل رگرسيون بردار پشتيبان (SVR)[1] نسبت به ساير روش هاي پيش بيني در مطالعات گذشته هدف اصلي در اين پژوهش، بهبود پيش بيني رگرسيون بردار پشتيبان با استفاده از پيش پردازش اوليه داده ها به وسيله آناليز مولفه هاي اصلي (PCA)[2] است. جهت انجام پژوهش پس از انجام آزمون مانايي، با استفاده از آناليز مولفه هاي اصلي متغيرهاي ورودي را به مولفه هاي اصلي كه كل پراكندگي داده ها را پوشش مي دهد تبديل نموده و به عنوان ورودي براي مدل پيش بيني در نظر گرفتيم. سپس با استفاده از مدل رگرسيون بردار پشتيبان و شبيه سازي آن در نرم افزار متلب اقدام به پيش بيني قيمت روزانه نفت خام برنت نموديم. به منظور مقايسه عملكرد مدل هاي SVR و PCASVR از آزمون مقايسات زوجي استفاده نموديم. نتيجه پژوهش بيانگر اين موضوع بود كه پيش پردازش اوليه به وسيله آناليز مولفه هاي اصلي بر روي داده ها باعث كاهش خطاي مدل پيشنهادي گرديده است.