Abstract:
پیشبینیهای مختلف مسایل اقتصادی متکی به روشهای اقتصادسنجی میباشد و توان بالای
این مدلها در برآورد معادلات خاص منجر به استفاده وسیع از این مدلها شده است. از
حدود دو دهه قبل روشهای ترکیبی در پیشبینی مطرح شده است و در این تحقیق، رویکرد
پیشبینی ترکیبی در مدلهای اقتصادی مورد بررسی و تجزیه و تحلیل قرار گرفته است.
رویکرد مذکور به خاطر توان بالایی که در کاهش میزان خطای نتایج پیشبینی دارد، در
مسایل مختلف مالی و اقتصادی و بازرگانی به کار گرفته شده است. در این تحقیق سعی شده
است با تأکید بر آخرین دستاوردها در حوزة مسایل پیشبینی ترکیبی، با استفاده از این
رویکرد تا حد امکان خطاهای پیشبینی تقاضای نفت را کاهش داد. جهت مدلسازی ترکیبی،
در ابتدا با استفاده از روشهای مختلف، پیشبینی انجام شده است که در این مطالعه
آنها روشهای فردی نامیده شدهاند. مدلهای پیشبینی فردی مورد استفاده شامل
روشهای هموارسازی نمایی، تحلیل روند، باکس جنکینز، تحلیلهای علی و مدل شبکه عصبی
میباشد.
نتایج این روشهای فردی (که از بین روشهای مختلف برگزیده شده و از
نظر آماری مدل آنها معنادار میباشد) با استفاده از رویکرد شبکه عصبی مصنوعی (در
این ترکیب روش فردی پیشبینی عصبی وارد نشده است)، روش رگرسیون چند متغیره (با لحاظ
تمام روشها و نیز با عدم وارد نمودن پیشبینیهای فردی شبکه عصبی مصنوعی) با
یکدیگر ترکیب و مقایسه شده است.
دادههای مورد استفاده شامل تقاضای نفت کشورهای اوپک از سال 1960 تا 2002 به عنوان
متغیر وابسته و قیمت، درآمد، تقاضای سایر انرژیها، جمعیت و ارزش افزوده دربخش صنعت
به عنوان متغیرهای مستقل لحاظ شدهاند که در روشهای تکمتغیره فقط متغیر مستقل (با
متغیر وابسته زمان) برای پیشبینی استفاده شده است و در روشهای علی و شبکه عصبی
تمام متغیرهای بیان شده وارد شدهاند. دادههای مورد استفاده برای تمام متغیرها از
سال 1960 تا 1996 و دادههای آزمایش از سال 1996 تا 2002 بوده است. معیارهای
اصلیMSE و MAPE محاسبه شده برای مقادیر پیشبینی بیانگر کاهش قابل ملاحظه خطای
روشهای ترکیبی نسبت به روشهای فردی است و روش ترکیبی مناسب در این مطالعه به
ترتیب روش شبکههای عصبی و رگرسیون چندمتغیره بوده است.
Machine summary:
"روشهای فردی تحلیل شده به صورت زیر معرفی میشوند: روش هموارسازی نمایی ساده براون : 1xi هولت : 2xi مدل سفارشی با 2 پارامتر و روند نمایی : 3xi مدل سفارشی با 1 پارامتر و روند نمایی : 4xi مدل سفارشی با روند میرا : 5xi روند خطی : 6xi روند درجه دوم : 7xi روند لگاریتمی: 8xi روند ترکیبی: 9xi (1و1و1) ARIMA: 10xi (وارد شدن متغیرهای قیمت، تولید ناخالص ملی وسایر انرژیها:مدل لگاریتمی)مدل 1 اقتصادسنجی: 11xi مدل2 اقتصادسنجی: 12xi (وارد شدن متغیرهای قیمت، تولید ناخالص ملی و سایر انرژیها و ارزش افزوده صنعتی: مدل لگاریتمی) مدل3 اقتصادسنجی: 13xi (وارد شدن متغیرهای قیمت، تولید ناخالص ملی، سایر انرژیها و مدل میانگین ترک: مدل لگاریتمی) (مدل معرفی شده در مقاله) مدل4 اقتصاد سنجی: 14xi مدل پرسپترون چند لایه شبکه عصبی: 15xi ترکیب مدلهای پیشبینی فردی فوق با استفاده از روشهای زیر صورت گرفته است: 1ـ ترکیب روشهای پیشبینی فردی با استفاده از رویکرد شبکههای عصبی مصنوعی در این ترکیب، نتایج 14 مدل پیشبینی فردی (شامل 5 مدل هموار سازی نمایی، 4 مدل روند،1مدل ARIMA و 4 مدل علی) وجود دارد.
نتایج تحلیلی تحقیق و مقایسه کارایی نتایج مدلهای ترکیبی با روشهای فردی پیشبینی در رابطه با رویکردهای مختلف ترکیبی و بررسی تفاوتهای روشهای نوین و کلاسیک و طراحی مدل سیستم خبره تصمیمگیرنده در این تحقیق نتایج زیر مورد توجه قرار می گیرد: 1ـ در بین روشهای مختلف فردی بررسی شده با استناد به معیار خطای RMSE، پیشبینی شبکه عصبی مصنوعی، نتایج بهتری را ارایه داده است."