پيش‌بيني قيمت نفت با روش‌هاي RFIMA_EGARCH و منطق فازي

Predicting oil prices through Fuzzy Logic and ARFIM_GARCH Approaches

پيش‌بيني قيمت نفت با روش‌هاي RFIMA_EGARCH و منطق فازي شهرام گلستاني * استاديار دانشكده‌ي اقتصاد و مديريت دانشگاه باهنر كرمان، shahram_golestan@yahoo.com محمدصالح انصاري لاري دانشجوي كارشناسي ارشد اقتصاد انرژي دانشگاه باهنر كرمان، saleh.ansari.lari@gmail.com رضا عباس پور دانشجوي كارشناسي ارشد كنترل دانشگاه باهنر كرمان، r.abbaspour@hotmail.com تاريخ دريافت: 31/01/91 تاريخ پذيرش: 26/10/92 چكيده نفت مهم‌ترين كالاي مبادلاتي جهان محسوب مي‏شود و تغييرات شديد يا شوك قيمت آن مي‏تواند اقتصاد جهان را به شدت تحت تاثير قرار دهد. ايران يكي از دارندگان بزرگ منابع نفت در جهان محسوب مي‏شود. نفت پراهميت‌ترين كالاي صادراتي كشور است و بخش بزرگي از منابع درامدي كشور از صادرات نفت تامين مي‏شود. و وابسته بودن كشور به درامد نفت، آسيب پذيري اقتصاد كشور را افزايش داده است. بررسي‎ها نشان مي‎دهد كه ايران در سال‌هاي 1999 تا 2011 به همراه ونزويلا و نيجريه بيش‌ترين ضريب خطا را در پيش‎بيني قيمت نفت در بودجه‌ي سالانه داشته است. امروزه استفاده از روش‌هاي جديد مانند منطق فازي براي پيش‌بيني، كيفيت تصميمات مالي را بهبود چشم‎گيري بخشيده است. اين مقاله به مقايسه دو روش منطق فازي وARFIMA براي پيش‌بيني قيمت نفت برنت درياي شمال طي دوره‌ي 2011-1998 پرداخته است. براي بهينه‌سازي روش فازي ابتدا توابع عضويت ورودي و سپس توابع عضويت خروجي بهينه مي‌شود. بعد از بهينه شدن توابع عضويت خروجي خطا به حداقل ميزان خود رسيده است. نتايج، برتري قابل ملاحظه منطق فازي بر روش ARFIMA_EGARCH را نشان مي‏دهد. طبقه‌بندي JEL :G13, P28, Q41 كليد واژه: قيمت نفت، ARFIMA_EGARCH، منطق فازي، پيش‌بيني، سري زماني،

Predicting oil prices through Fuzzy Logic and ARFIM_GARCH Approaches Shahram Golestani Assistant Professor, Faculty of Economic and Management, Shahid Bahonar University of Kerman, shahram.golestan@yahoo.com Saleh Ansarilari MA Student in Economics, Shahid Bahonar University of Kerman, saleh.ansari.lari@gmail.com Mohamd Reza Abbaspour MA Student in Control Engineering, Shahid Bahonar University of Kerman, r.abbaspour@hotmail.com Received: 2013/04/20 Accepted: 2014/01/16 Abstract Oil is the worldʹs most important commodity and oil price volatility can greatly affect the world economy. Oil is Iranʹs most important export commodity and accounts for a major share of government revenues. Iranʹs dependence on oil revenues has increased the country’s vulnerability. Iran, together with Venezuela and Nigeria have had the highest margin of error in projecting oil prices over the period 1999 to 2011. Nowadays use of new methods such as fuzzy logic has dramatically improved the quality of financial projections. This paper compares the projections produced by the fuzzy logic and ARFIMA methods for North Sea Brent oil prices over the period 1998-2011. To optimize the fuzzy method we optimize the input membership and output membership functions. Optimization of the output membership functions minimizes errors. The results indicate that fuzzy logic is significantly superior to the ARFIMA_EGARCH method. JEL Classification: G13, P28, Q41 Keywords: Oil Price, ARFIMA_EGARCH, Fuzzy Logic, Predict, Time Series, Long Run Memory.