نوع مقاله : مقاله پژوهشی

نویسندگان

• مسعود فضلعلی پور ¹
• پرویز نصیری ²

¹ عضو هیات علمی

² گروه آمار، دانشگاه پیام نور،ص.پ.4697-19395، تهران، ایران

چکیده

ارائه مدل‌ها آماری برای برازش داده‌ها سری زمانی به همراه الگوی مناسب از یک سوی و پیش‌بینی گام های بعدی از سوی دیگر دو ارکان مهم در برنامه‌ریزی‌های کلان اقتصادی و مالی است. برای این منظور می توان در تحلیل داده های سری زمانی با توجه به وابستگی از مدل های سری زمانی بلند مدت استفاده کرد. یکی از این مدل‌ها، مدل ARFIMA است که کاربرد فراوانی در تحلیل داده‌های اقتصادی، هواشناسی، جغرافیایی و مالی است. در این مدل و دیگر مدل‌های سری زمانی با فرض اینکه جمله خطا دارای توزیع نرمال است، پارامترهای مدل برآورد می شوند. در این مقاله برای اولین بار با توجه به توزیع جمله خطا ضمن بررسی رفتار مدل های بلند مدت، با رویکرد بیزی و استفاده از توزیع های پیشین مناسب پارامترها میانگین مدل و تفاضل کسری برآورد می شوند. در پایان برای مجموعه داده های صادرات نفت نیکویی برازش مدل ها با رویکرد بیزی با استفاده از معیارهای RMSE، اطلاع آکائیک و اطلاع بیزی مقایسه و نشان داده می‌شود مدل پیش بینی ناشی از رویکرد بیزی در مقایسه با سایر مدل ها بهتر عمل می‌کند.

کلیدواژه‌ها

• داده‌های سری زمانی
• معیارهای ارزیابی
• پارامتر تفاصلی کسری
• برآورد بیزی
• مدل پیش‌بینی

موضوعات

• مطالعات اقتصادی مرتبط با حامل‌های انرژی (فسیلی، تجدیدپذیر و برق)

عنوان مقاله [English]

Oil export modeling using ARFIMA model with Bayesian estimation approach

نویسندگان [English]

• masoud fazlalipoour ¹
• parviz nasiri ²

¹ Academic faculty member

² Department of Statistics, Payam Noor University, P.O. 19395-4697, Tehran, Iran

چکیده [English]

It is of particular importance to examine statistical models for fitting time series data and provide a suitable model and predict important elements in macroeconomic and financial planning. One of these time series models that is widely used in the analysis of economic, meteorological, geographical and financial data is the ARFIMA model. In this model and other time series models, the parameters of the model are estimated by assuming that the error term has a normal distribution. In this article, while examining the behavior of the ARFIMA model, the Bayesian estimation of the fractional difference parameter is estimated by considering the appropriate prior distribution for it. Then, using oil export data, the deficit difference parameter of the ARFIMA model is estimated by considering the appropriate prior distribution. Finally, the goodness of fit of the ARFIMA model is compared with the models that are introduced through the RMSE criteria and it is shown that the model estimated by the Bayesian method has a better performance.

کلیدواژه‌ها [English]

• Time series data
• evaluation criteria
• fractional interval parameter
• Bayesian estimation
• prediction model