چکیده:
با توجه به اهمیت قیمت نفت، پیشبینی صحیح قیمت سبد نفت خام کشورهای عضو اوپک میتواند نقش بهسزایی در ایمنسازی اقتصاد این کشورها در مقابل اثرات ناشی از این نوسانات داشته باشد. این پژوهش تلاشی در جهت معرفی یک الگوی مطلوب، به منظور مدلسازی و پیشبینی نوسانات قیمت نفت خام اوپک خواهد داشت. در این راستا از دادههای روزانه قیمت نفت خام، طی دوره زمانی 02/01/1986 الی 13/02/2017 استفاده شده است. بر این اساس، وجود ویژگی حافظة بلندمدت در معادلات میانگین و واریانس قیمت نفت خام، مورد ارزیابی و مدلسازی قرار گرفت و نتایج مدل «ﻣﻴﺎﻧﮕﻴﻦ ﻣﺘﺤﺮک اﻧﺒﺎﺷﺘﻪ ﺟﺰﺋﻲ خودهمبسته»، مؤید وجود ویژگی حافظه بلندمدت در هر دو معادله میانگین و واریانس سری مذکور است. اما آزمونهای انجام شده، رفتاری غیرخطی و نمایی را در واریانس قیمت نفت خام تایید مینمایند. از این رو نتایج به ویژه براساس معیارهای اطلاعات و نیز معیار درصد میانگین مطلق خطا حاکی از انتخاب مدل ترکیبی از الگوی ﻣﻴﺎﻧﮕﻴﻦ ﻣﺘﺤﺮک اﻧﺒﺎﺷﺘﻪ ﺟﺰﺋﻲ ﺧﻮدهمبسته و الگوی واریانس ناهمسانی شرطی نمایی یعنی مدل (1,1)EGARCH - (3,09/0,4) ARFIMA، بهعنوان بهترین مدل جهت مدلسازی و پیشبینی نوسانات قیمت نفت خام اوپک است و عدم توجه به رفتار غیرخطی نمایی واریانس در حافظه بلندمدت قیمت نفتخام میتواند تحلیلگران و به ویژه تصمیمسازان اقتصادی را دچار خطای محاسباتی نموده و از سیاست بهینه منحرف سازد.
Given the importance of oil prices, proper prediction of the OPEC Reference Basket can have an essential role in the immunization of economies in these countries against the effects of these fluctuations. This research is an effort to introduce an optimal model for modeling and predicting the fluctuations in OPEC crude oil prices. In this regard, we used data of daily oil prices between 2/1/1986 and 13/2/2017. According to this, the existence of long-term memory in the average equations and variance of crude oil prices were assessed and modeled and the result of the ARFIMA, confirms the existence of long-term memory in both the average equation and series variance. However, tests confirm non-linear and exponential behavior in crude oil prices. For this reason, results are specifically based on the information criteria and also MAPE and indicate the selection of a mixed model of partial augmented average movement and the model of conditional exponential Heteroscedasticity EGARCH (1,1) AFIRMA (4,0.09,3) as the best model for modeling and predicting the OPEC crude oil fluctuations in prices and lack of attention to exponential non-linear variance in the long term memory of crude oil prices can cause an error in the calculation of analysts and especially economic decision maker and deviation optimal policies.
خلاصه ماشینی:
از اين رو نتايج به ويژه براساس معيارهاي اطلاعات و نيز معيار درصد ميانگين مطلق خطا حاکي از انتخاب مدل ترکيبي از الگوي ميانگين متحرک انباشته جزئي خودهمبسته و الگوي واريانس ناهمساني شرطي نمايي يعني مدل (١١)EGARCH - (٤,٠/٠٩,٣) ARFIMA، به عنوان بهترين مدل جهت مدل سازي و پيش بيني نوسانات قيمت نفت خام اوپک است و عدم توجه به رفتار غيرخطي نمايي واريانس در حافظه بلندمدت قيمت نفت خام ميتواند تحليل گران و به ويژه تصميم سازان اقتصادي را دچار خطاي محاسباتي نموده و از سياست بهينه منحرف سازد.
از آنجا که شناخت رفتار قيمت نفت خام به دليل پيچيدگيهاي ناشي از تأثير عوامل متعدد و نوسانات گسترده به ويژه پس از شوکهاي قيمتي دهه هاي ٧٠ و ٨٠ ميلادي تا حدي مشکل است ، اغلب براي پيش بيني آن از مدل هاي خودرگرسيون تک متغيره استفاده ميشود که در آنها سري زماني به صورت ترکيبي از روند گذشته به اضافۀ يک جزء همراه در نظر گرفته ميشود که اين جزء، طبق نگرش رايج ، تصادفي فرض ميشود و پژوهشگر به دنبال کشف بخش تصادفي و جداسازي آن از بخش غيرتصادفي است .
آنها نشان دادند بورس اوراق بهادار تهران داراي حافظه بلندمدت ميباشد و براي پيش بيني در اين بازار ميتوان از مدل «رگرسيون ميانگين متحرک انباشته جزئي» استفاده کرد.
انصارينسب و منظري توکلي (١٣٩٩) در پژوهش خود به مدل سازي رفتاري مصرف بنزين به عنوان يکي از فرآورده هاي نفتي براي دوره زماني ١٣٩٦ـ١٣٠٦ با استفاده از بررسي ويژگي حافظه بلندمدت «رگرسيون ميانگين متحرک انباشته جزئي» و مدل تغيير رژيم مارکوف ـ سوئيچينگ پرداخته اند.