پیش‌بینی قیمت نفت خام وست تگزاس اینترمدیت: رویکرد دیفرانسیل تصادفی

نوع مقاله: مقاله پژوهشی

نویسندگان

استادیار اقتصاد، گروه اقتصاد، دانشکده علوم انسانی، دانشگاه آیت اله بروجردی(ره)

چکیده

نااطمینانی در بازارهای نفت، محققان اقتصادی را به استفاده از فرایندهای تصادفی رهنمون کرده است. هدف از پژوهش حاضر، استفاده از مدل‌های دیفرانسیل تصادفی در پیش‌بینی قیمت نفت خام وست تگزاس اینترمدیت (WTI) و مقایسه دقت پیش­بینی این مدلها با مدلهای خانواده آریما و گارچ حافظه کوتاه­مدت و بلندمدت گارچ است. در این مقاله از داده‌های روزانه قیمت نفت خام  WTIاز تاریخ 2/01/1986 تا تاریخ 17/10/2016 استفاده شده است که از تاریخ 2/01/1986 تا 29/08/ 2016 به عنوان بازه زمانی درون­نمونه­ای و مابقی مشاهدات به عنوان بازه زمانی پیش‌بینی برون­نمونه­ای استفاده شده است. نتایج حاصل از مقایسه پیش­بینی مدلهای تحقیق با استفاده از معیارRMSE نشان داده است که در پیش­بینی درون نمونه­ای و پیش­بینی برون­نمونه­ای در افق­های 5 روزه، 10 روزه و 22 روزه، مدلهای حافظه بلندمدت آرفیما-فیگارچ و دیفرانسیل تصادفی عملکرد دقیق­تری نسبت به مدلهای آریما و گارچ حافظه کوتاه­مدت داشته­اند.

کلیدواژه‌ها


عنوان مقاله [English]

Forecasting West Texas Intermediate Crude Oil Price: Stochastic Differential Approach

نویسندگان [English]

  • ramin khochiani
  • younes nademi
Assistant Professor in Economics, Department of Humanities, University of Ayatollah Borujerdi
چکیده [English]

Uncertainty in oil markets has led economic researchers to the use of stochastic processes. The purpose of this paper, is the use of stochastic differential models to predict the crude oil price of West Texas Intermediate (WTI) and compare the forecasting performance of these models with ARIMA and GARCH models. In this paper, daily data of WTI crude oil prices from 2/01/1986 to 10/17/2016 has been used that the period 2/01/1986 to 29/08/2016 has been used for estimation in-sample and the rest of the observations have used for out of sample forecasting. The results of the comparison of prediction models using RMSE has shown that long-term memory models (Arfima-Figarch) and stochastic differential models are more accurate forecasting performance compared to ARIMA and GARCH models in in-sample and out of sample forecast for 5-days, 10-days, and 22-days horizons.

کلیدواژه‌ها [English]

  • Stochastic Differential Equations
  • Crude Oil Price
  • Forecasting
  • ARIMA models
  • GARCH models