پيش بيني قيمت نفت خام با استفاده از تبديل موجك، مدل هاي غيرخطي و مدل هاي خطي

Forecasting of Crude Oil Price by Using Wavelet Transform, Non-Linear and Linear Models

با توجه به اهميت ويژه ي نفت به عنوان يكي از منابع اصلي تامين كننده ي انرژي در جهان و قيمت آن در بازارهاي بين المللي، بر آن شديم تا در اين پژوهش به پيش بيني قيمت نفت خام با استفاده از متدولوژي جديدي بپردازيم. روش حاضر تركيبي از تبديل موجك و مدل هاي ، رگرسيون هارمونيك و مدل هُلت-وينترز است كه به طور همزمان براي پيش بيني سري زماني قيمت نفت خام به كار گرفته شـده اند. داده هاي سري زماني قيمت نفت خام، ابتدا با استفاده از تبديل موجك به سه سري داده هاي داراي روند، داده هاي متاثر از عوامل فصلي و داده هاي با فركانس بالا (تلاطمات) تجزيه مي شوند. سپس هر سري با استفاده از مدل مربوط به آن پيش بيني شده و در مرحـله ي نهايي، براي دسـتيابي به پيش-بيني نـهايي سري هاي زماني پيش بيني شده با هم تركيب مي شوند. پيش بيني هاي بدست آمده با استفاده از مدل پيشنهادي با پيش بيني هاي حاصل از روش مقايسه گرديده است. نتايج حاكي از آن است كه مدل مورد استفاده در اين تحقيق، پيش بيني صحيح تر و با خطاي كمتري براي قيمت نفت خام ارايه مي دهد.

This paper presents a new model for forecasting crude oil prices. The model is a combination of wavelet transformation with the ARMAX, Harmonic regression Holt-Winters and models. The study applies this model to forecasting the time series data of crude oil. The time series data of oil prices are decomposed by applying wavelet transformation to the three series; trend series, seasonality series and high frequency (fluctuations) series. The study then proceeds to apply the related models to forecast each series and finally to achieve the final forecasting, combines the forecasted time series with each other. By comparing the resulted forecasts from the proposed model with ARMA model, it is indicated that the using model in this thesis has better performance and accuracy.