پیش‌بینی قیمت بنزین فوب خلیج‌فارس با استفاده از مدل‌های ARIMA و ARFIMA

Abstract

یکی از روش­های مناسب در پیش­بینی سری زمانی، تعمیم رفتار گذشته سری به آینده است. برای این منظور اولین قدم شناخت دقیق رفتار گذشته متغیر است. یکی از روش­های الگوسازی رفتار گذشته سری زمانی مدل خود توضیح جمعی میانگین متحرک (ARIMA) است. در این پژوهش از مدل‌های ARIMA و ARFIMA برای پیش­بینی قیمت هفتگی بنزین استفاده شد. همچنین پیش­بینی مدل ARIMA با پیش‌بینی مدل خود توضیح کسری جمعی میانگین متحرک (ARFIMA) مقایسه شد. برای این منظور، از ابزارهای محاسباتی نرم­افزار STATA12 و داده­های سری زمانی قیمت بنزین فوب خلیج‌فارس از ابتدای سال 2009 تا هفته ۲۶ سال 2012 به‌صورت هفتگی که از سایت اوپک دریافت گردید، استفاده شد. نتایج تحقیق نشان داد که مدل ARFIMA(6,0.22,6) نسبت به مدل ARIMA(1,1,0) مدل مناسب­تری برای پیش­بینی قیمت بنزین است و میزان خطای کمتری دارد.<br />