فهرست نشریات علمی دسترسی آزاد ایران

پیش بینی روند قیمت نفت خام و نوسانات آن همواره یکی از چالش های پیش روی معامله گران در بازارهای نفت بوده است. در این راستا، به منظور پیش‌بینی منطقی در مورد آینده، تلاش شده است تا روش‌های پیش‌بینی کمی و کیفی ایجاد و گسترش یابد. بنابراین روش های پیش بینی همواره ابزار مهمی برای محققین آینده بوده است. در نتیجه، این مطالعه با هدف بررسی و ارزیابی الگوریتم‌ها، به‌ویژه الگوریتم‌های یادگیری ماشین (مانند شبکه‌های بیزی، شبکه‌های عصبی مصنوعی، ماشین‌های بردار پشتیبان، k-نزدیک‌ترین همسایگان)، برای پیش‌بینی قیمت نفت خام است. برای این تحقیق، متغیرهایی مانند قیمت نفت اتحادیه اروپا و قیمت نفت ایالات متحده از سال 1990 تا 2020 در نظر گرفته شده است. برای تجزیه و تحلیل از نرم افزار پایتون استفاده شد.نتایج این مطالعه نشان داد که بر اساس الگوریتم های یادگیری ماشینی مورد استفاده در مدل اول (قیمت نفت خام برنت)، الگوریتم هایی مانند رگرسیون خطی، رگرسیون کمترین زاویه، تعقیب تطبیق متعامد و بیزی ریج. بهترین الگوریتم ها برای پیش بینی قیمت نفت خام برنت هستند. علاوه بر این، نتایج الگوریتم‌های یادگیری ماشین در مدل دوم (قیمت جهانی نفت برنت و قیمت نفت تگزاس غربی) نشان می‌دهد که رگرسیون خطی، رگرسیون کمترین زاویه، تعقیب تطبیق متعامد و ریج بیزی بهترین الگوریتم‌ها برای پیش‌بینی قیمت نفت تگزاس غربی هستند.