چکیده مقاله
این پژوهش رویکردی نوین و ترکیبی برای تحلیل و پیش بینی قیمت نفت خام ایران ارائه میدهد که مدل اقتصاد سنجی خودرگرسیونی با وقفه های توزیعی نامتقارن NARDL را با تکنیکهای پیشرفته یادگیری ماشین و داده کاوی تلفیق میکند با توجه به اثرات نامتقارن و پویای متغیرهای کلان اقتصادی کلیدی مانند عدم قطعیت سیاست اقتصادی EPU ، ریسک ژئوپلیتیک جهانی GPR و شاخص عدم قطعیت جهانی WUI بر نوسانات قیمت نفت این مطالعه از دادههای ساختاری و غیر ساختاری شامل اخبار اقتصادی، شبکه های اجتماعی و شاخصهای جستجوی اینترنتی بهره میبرد یافته ها نشان میدهد که مدل NARDL در شناسایی شوکهای نامتقارن موثر است، اما دقت پیشبینی آن با ترکیب الگوریتمهای یادگیری ماشین مانند LSTM و XGBoost که توانایی کشف الگوهای غیرخطی و روابط پنهان را دارند به طور قابل توجهی افزایش مییابد این چارچوب تلفیقی علاوه بر بهبود دقت پیش بینی بینشهای کاربردی برای سیاست گذاران و فعالان صنعت نفت فراهم میکند تا ریسکهای مرتبط با نوسانات بازار را بهتر مدیریت کنند این پژوهش ضرورت استفاده از ابزارهای تحلیلی داده محور و ترکیبی را در شرایط تغییرات جهانی انرژی و عدم قطعیتهای بازار نفت ایران برجسته میسازد
کلیدواژهها
نویسندگان
مهدی عزیزی
دانشجوی دکتری مدیریت فناوری اطلاعات، دانشگاه آزاد اسلامی واحد همدان، ایران
محمد مهدی شیر محمدی
استادیار گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد همدان، ایران
شیوه ارجاع
�زیزی، مهدی و شیرمحمدی، محمدمهدی،1404،بررسی عوامل تاثیرگذار بر قیمت نفت در ایران با ترکیب روشهای NARDL و فناوری اطلاعات هوش مصنوعی و داده کاوی،دومین کنفرانس ملی علم داده در کاربردهای مهندسی،تبریز
ارائهشده در
مجموعه مقالات دومین کنفرانس ملی علم داده در کاربردهای مهندسی17 مهر 1404 · تبریز