محمدحسن فطرس؛ مصطفی امید علی؛ امیرمحمد گلوانی
چکیده
هدف از این مطالعه بکارگیری یک مدل ترکیبی جهت تخمین تراز سرانه گازطبیعی کل کشور و همچنین پیشبینی آن برای دوره 1396 - 1415 میباشد. در این مطالعه با استفاده از مدل پویای خودتوضیح با وقفههای توزیعی (ARDL)، کششهای بلندمدت و کوتاهمدت عرضه و تقاضای سرانه گاز طبیعی کل کشور برای دوره 1360-1395 برآورد شده است. سپس با قرار دادن مقادیر پیشبینی ...
بیشتر
هدف از این مطالعه بکارگیری یک مدل ترکیبی جهت تخمین تراز سرانه گازطبیعی کل کشور و همچنین پیشبینی آن برای دوره 1396 - 1415 میباشد. در این مطالعه با استفاده از مدل پویای خودتوضیح با وقفههای توزیعی (ARDL)، کششهای بلندمدت و کوتاهمدت عرضه و تقاضای سرانه گاز طبیعی کل کشور برای دوره 1360-1395 برآورد شده است. سپس با قرار دادن مقادیر پیشبینی شده هر یک از متغیرهای مورد نظر که از مدل ARIMA بدست آمده در مدل ترکیبی ARDL، مقدار تراز سرانه گاز طبیعی تا سال 1415 پیشبینی گردیده است. نتایج پیشبینی بیانگر این است که مقدار تقاضای سرانه گاز طبیعی تا سال 1415 به میزان 36/4177 میلیون مترمکعب خواهد رسید، همچنین در همین سال مقدار عرضه سرانه گاز طبیعی برابر با میزان 26/3417 میلیون مترمکعب خواهد بود. جهت پاسخگویی به این میزان مازاد تقاضا باید سیاستهایی در جهت افزایش تولید یا محدودیت تقاضا اتخاذ گردد.
منصور زراءنژاد؛ پویان کیانی؛ صلاح ابراهیمی؛ علی رئوفی
دوره 2، شماره 5 ، دی 1391، ، صفحه 107-207
چکیده
عوامل زیادی بر قیمت نفت خام تأثیر میگذارند از این رو استفاده از یک مدل چند متغیری که تمام عوامل مؤثر بر قیمت نفت را لحاظ کرده باشد کاری دشوار است. به همین دلیل، پیشبینی این متغیر از طریق مدلهای چند متغیری بسیار دشوار است. در این حالت ممکن است استفاده از مدلهای تک متغیری روش مناسبی باشد. در این مدلها از حافظه تاریخی متغیر ...
بیشتر
عوامل زیادی بر قیمت نفت خام تأثیر میگذارند از این رو استفاده از یک مدل چند متغیری که تمام عوامل مؤثر بر قیمت نفت را لحاظ کرده باشد کاری دشوار است. به همین دلیل، پیشبینی این متغیر از طریق مدلهای چند متغیری بسیار دشوار است. در این حالت ممکن است استفاده از مدلهای تک متغیری روش مناسبی باشد. در این مدلها از حافظه تاریخی متغیر برای مدلسازی و پیشبینی استفاده میشود. اما یکی از محدودیتهای مدلهای تک متغیری این است که برای حصول نتایج مناسب نیاز به دادههای زیادی دارند. از آنجا که مدلهای رگرسیون فازی برای پیشبینی دقیق نیاز به تعداد دادههای کمتری دارند، در این تحقیق، از سه روش رگرسیون فازی، آریما و رگرسیون خودبازگشتی میانگین متحرک انباشته فازی (ترکیب دو روش مذکور) و از دادههای روزانه قیمت نفت اوپک برای پیشبینی قیمت نفت خام اوپک استفاده شده است. نتایج حاکی از این است که مدلهای رگرسیون فازی و رگرسیون خودبازگشتی میانگین متحرک انباشته فازی علاوه بر این که از نظر تمام معیارهای متداول خطای پیشبینی، عملکرد بهتری نسبت به مدل آریما دارند با فراهم کردن بهترین و بدترین حالت، تصمیمگیری را نسبت به مدل آریما تسهیل کرده است. همچنین مدل ترکیبی به مراتب پیشبینی بهتری نسبت به مدل رگرسیون فازی ارائه می‌دهد و فاصله بازه تصمیمگیری را کوتاهتر میکند.
�تفاده از الگوی خودرگرسیون برداری (VAR) برآورد گردید. براساس نتایج مدل برآوردی، شوکهای قیمت نفت در کوتاهمدت دارای تأثیر منفی بر تولید سبز است و علت آن این است که با استخراج نفت، استهلاک منابع طبیعی افزایش یافته و باعث کاهش تولید سبز میشود. اما در بلندمدت تأثیر مثبت بر تولید سبز دارد به این علت که در بلندمدت افزایش درآمدهای نفتی باعث رشد واقعی سایر بخشها میشود و این رشد استهلاک را جبران میکند.
