سامانه همایش‌ها TSTA | ثبت‌نام و ارسال مقاله کنفرانس‌ها و کنگره‌های ملی

صفحه اصلی / دومین کنفرانس ملی عصر انفجار تکنولوژی؛ هوش مصنوعی، تحولی در صنعت، تجارت و زنجیره تامین و دومین کنفرانس ملی علم داده در کاربردهای مهندسی

بررسی عوامل تاثیرگذار بر قیمت نفت در ایران با ترکیب روش‌های NARDL و فناوری اطلاعات (هوش مصنوعی و داده‌کاوی)

نویسندگان :

مهدی عزیزی¹ محمد مهدی شیرمحمدی²

1- دانشگاه آزاد اسلامی واحد همدان 2- دانشگاه آزاد اسلامی واحد همدان

کلمات کلیدی :

پیش‌بینی قیمت نفت خام،مدل NARDL،داده‌کاوی،یادگیری ماشین،عدم‌قطعیت سیاست اقتصادی،ریسک ژئوپلیتیک،بازار نفت ایران

چکیده :

این پژوهش رویکردی نوین و ترکیبی برای تحلیل و پیش‌بینی قیمت نفت خام ایران ارائه می‌دهد که مدل اقتصادسنجی خودرگرسیونی با وقفه‌های توزیعی نامتقارن (NARDL) را با تکنیک‌های پیشرفته یادگیری ماشین و داده‌کاوی تلفیق می‌کند. با توجه به اثرات نامتقارن و پویای متغیرهای کلان اقتصادی کلیدی مانند عدم‌قطعیت سیاست اقتصادی (EPU)، ریسک ژئوپلیتیک جهانی (GPR) و شاخص عدم‌قطعیت جهانی (WUI) بر نوسانات قیمت نفت، این مطالعه از داده‌های ساختاری و غیرساختاری شامل اخبار اقتصادی، شبکه‌های اجتماعی و شاخص‌های جستجوی اینترنتی بهره می‌برد. یافته‌ها نشان می‌دهد که مدل NARDL در شناسایی شوک‌های نامتقارن مؤثر است، اما دقت پیش‌بینی آن با ترکیب الگوریتم‌های یادگیری ماشین مانند LSTM و XGBoost که توانایی کشف الگوهای غیرخطی و روابط پنهان را دارند، به‌طور قابل توجهی افزایش می‌یابد. این چارچوب تلفیقی علاوه بر بهبود دقت پیش‌بینی، بینش‌های کاربردی برای سیاست‌گذاران و فعالان صنعت نفت فراهم می‌کند تا ریسک‌های مرتبط با نوسانات بازار را بهتر مدیریت کنند. این پژوهش ضرورت استفاده از ابزارهای تحلیلی داده‌محور و ترکیبی را در شرایط تغییرات جهانی انرژی و عدم‌قطعیت‌های بازار نفت ایران برجسته می‌سازد.