پيش بيني قيمت گاز با استفاده از مدل غيرخطي LSTAR و شبكه‌ي عصبي

Gas Price Forecasting by LSTAR and Neural Networks

پيش بيني قيمت گاز با استفاده از مدل غيرخطي LSTAR و شبكه‌ي عصبي محمدنبي شهيكي تاش استاديار گروه اقتصاد دانشگاه سيستان و بلوچستان mohammad_tash@yahoo.com غلامعلي رحيمي * پژوهشگر ارشد اقتصاد انرژي موسسه‌ي مطالعات بين المللي انرژي alirahimigh2000@yahoo.com صابر مولايي دانشجوي دكتري اقتصاد دانشگاه اصفهان saber.molai@yahoo.com تاريخ دريافت: 9/11/90 تاريخ پذيرش: 3/10/91 چكيده در اين پژوهش به منظور پيش‌بيني قيمت روزانه‌ي گاز از دو روش شبكه‌ي عصبي مصنوعي (NN) و مدل رگرسيون انتقال ملايم (STAR) بهره گرفته شده است كه هر دو رويكرد غير خطي هستند. هم‌چنين با توجه به ويژگي‌هاي مناسب الگوريتم ژنتيك در تعيين نقطه‌ي مينيمم سراسري، از اين رويكرد براي برآورد پارامترهاي مدل LSTAR استفاده شده است. نتايج اين تحقيق نشان مي‌دهد كه دقت پيش بيني شبكه‌ي عصبي مصنوعي (NN) بيش‌تر از مدل غيرخطي LSTAR مي‌باشد. از اين‌رو در اين مطالعه از شبكه‌ي عصبي براي پيش بيني قيمت گاز استفاده شده است. طبقه‌بندي JEL: C32, E31, E58

Gas Price Forecasting by LSTAR and Neural Networks Mohammad Nabi Shahiki Tash Assistant Professor, Department of Economics, Sistan and Baluchestan University mohammad_tash@yahoo.com Gholam Ali Rahimi* Senior Researcher in Energy Economic, Institute for International Energy Studies alirahimigh2000@yahoo.com Saber Molai PhD Student in Economics, University of Isfahan saber.molai@yahoo.com Received: 2012/01/19 Accepted: 2012/12/23 Abstract In this paper we have used LSTAR and Neural Networks models to forecast gas prices. The results indicate that artificial neural networks have better prediction accuracy than the LSTAR model. We conclude by using neural networks to forecast the future price of gas. JEL Classification: C32, E31, E58 Keywords: Price Index, Gas, LSTAR, Nonlinear Model