Predicting daily oil prices: Linear and non-linear models

در این مقاله دقت مدل های خطی و غیر خطی در پیش بینی قیمت روزانه نفت خام را ارزیابی می کنیم. پیش بینی های رقابتی قیمت های نفت خام از مدل های خطی ساده که نیازی به ارزیابی پارامترها و همچنین مدل های خطی و غیر خطی ندارند، تولید می شود. دو مدل خطی که ما استفاده از محتوای اطلاعاتی تقاضای نفت و همبستگی فزاینده ای بین قیمت نفت و سهام داریم و به ادبیات ربط دارند. مدل غیر خطی که در نظر داریم یک شبکه عصبی مصنوعی است. به طور خاص، ما یک شبکه عصبی کیسه ای، یک شبکه عصبی آموزش داده شده با استفاده از الگوریتم ژنتیک و همچنین یک شبکه عصبی با منطق فازی را در نظر می گیریم. ما دریافتیم که بعضی از مدلهای خطی از پیاده روی تصادفی در مقایسه با دقت پیش بینی های آماری خارج از نمونه بهتر عمل می کنند. یافته های ما نیز نشان می دهد که در حالی که استراتژی خرید و نگهداری برخی از مدل ها را از لحاظ بازدهی دلار و بازده ریسک پذیر تحت یک استراتژی طولانی مدت غالب می کند، همه مدل هایی که ما در نظر داریم، تولید درآمد بالاتر را نسبت به خرید و استراتژی تحت استراتژی تحت استراتژی کوتاه مدت. یک سرمایه گذار بزرگترین سود را به وسیله تجارت بر اساس انحراف همگرایی متوسط ​​متحرک که یک شاخص فنی است، به دست می دهد.