دانشگاه آزاد اسلامی واحد تهران جنوب

صفحه اصلی / نخستین همایش هوش مصنوعی و پژوهش های نوظهور: همگرایی انسان و سیستم های هوشمند

مروری بر روش های پیش بینی قیمت نفت: از مدل های آماری سنتی تا الگوریتم های یادگیری ماشین

نویسندگان :

علی شهرآئینی¹ علی رضائی شاهسوارلو²

1- دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران 2- دانشگاه ازاد اسلامی واحد تهران جنوب

کلمات کلیدی :

پیش‌بینی قیمت نفت،تحلیل سری‌های زمانی،شبکه‌های عصبی مصنوعی،عوامل ژئوپلیتیک

چکیده :

پیش‌بینی قیمت نفت به دلیل تأثیرات گسترده بر اقتصاد جهانی، بازارهای مالی، و سیاست‌های انرژی، از اهمیت بسزایی برخوردار است. نوسانات قیمت نفت بر درآمدهای ملی، هزینه‌های تولید، و نرخ تورم اثر می‌گذارد و تصمیم‌گیری‌های استراتژیک را تحت تأثیر قرار می‌دهد. روش‌های سنتی پیش‌بینی، مانند مدل‌های رگرسیون خطی، سری زمانی، و مدل‌های اقتصادسنجی، به دلیل پیچیدگی بازار نفت و عوامل متعدد مانند عرضه و تقاضا، عوامل ژئوپلیتیک، و نرخ ارز، دقت محدودی دارند. پیشرفت‌های اخیر در یادگیری ماشین، الگوریتم‌هایی نظیر شبکه‌های عصبی مصنوعی، ماشین‌های بردار پشتیبان، و جنگل تصادفی را معرفی کرده که قادر به مدل‌سازی روابط غیرخطی و تحلیل داده‌های بزرگ هستند. این مطالعه مروری با بررسی جامع منابع معتبر، روش‌های آماری سنتی و الگوریتم‌های یادگیری ماشین را در پیش‌بینی قیمت نفت مقایسه می‌کند. یافته‌ها نشان می‌دهند که الگوریتم‌های یادگیری ماشین دقت پیش‌بینی را در مقایسه با روش‌های سنتی بهبود می‌بخشند، اما چالش‌هایی مانند پیچیدگی داده‌ها، داده‌های ناکامل، و هزینه‌های محاسباتی بالا وجود دارد. پیشنهاداتی شامل توسعه الگوریتم‌های تطبیقی، بهره‌گیری از داده‌های متنوع مانند اخبار مالی، و بهبود تفسیرپذیری مدل‌ها برای تحقیقات آینده ارائه شده است. این مطالعه بر پتانسیل یادگیری ماشین در تحلیل‌های مالی و تصمیم‌گیری‌های استراتژیک تأکید می‌کند.