تم إضافة تقرير جديد 2024
ارسل ملاحظاتك

ارسل ملاحظاتك لنا









الرئيسية > Forecasting Iraq's Monthly Oil...>الوصف

Forecasting Iraq's Monthly Oil Prices 2021-2023: A comparative Study of GM "2,1" and GAO-GM "2,1" Models

العنوان بلغة أخرى: التنبؤ بأسعار النفط الشهرية في العراق 2021-2023: دراسة مقارنة لنموذجي "GM"1,2 و"GAO-GM "1,2
المصدر: مجلة جامعة كركوك للعلوم الإدارية والاقتصادية
الناشر: جامعة كركوك - كلية الإدارة والاقتصاد
المؤلف الرئيسي: أحمد، هردي غريب (مؤلف)
المؤلف الرئيسي (الإنجليزية): Ahmed, Hardi Gharib
مؤلفين آخرين: محمد، أريان عمر (م. مشارك) , طاهر، هندرين عبدالله (م. مشارك)
المجلد/العدد: مج14, ع4
محكمة: نعم
الدولة: العراق
التاريخ الميلادي: 2024
الصفحات: 225 - 236
DOI: 10.32894/1913-014-004-016
ISSN: 2222-2995
رقم MD: 1528522
نوع المحتوى: بحوث ومقالات
اللغة: الإنجليزية
قواعد المعلومات: EcoLink
مواضيع:
الاقتصاد | التمويل | أسعار النفط | العراق
كلمات المؤلف المفتاحية:
نظرية النظام الرمادي | خوارزمية الجينيه | سعر النفط | نموذج GM"1,2" | Grey System Theory | Genetic Algorithm Optimizer | Oil Price | GM "2,1" Model
رابط المحتوى:
PDF (صورة)     
صورة الغلاف QR قانون

عدد مرات التحميل

1

حفظ في:
المستخلص: تم تقيم أداء نموذجي GM (2.1) وGAO-GM (2.1) للتنبؤ بسعر النفط في العراق في هذه الدراسة، تم استخدام البيانات الشهرية للفترة (يناير ۲۰۲۱ إلى ديسمبر ۲۰۲۳). ولقد استخدامنا مقاييس الدقة مثل متوسط الخطأ التربيعي (MSE) وجذر متوسط الخطأ التربيعي (RMSE) ومعيار معلومات أكايكي (AIC) ومعيار المعلومات البايزي (BIC) لمقارنة الأداء نماذج. تشير النتائج إلى أن نموذج GO-GM (2.1) يتفوق بشكل كبير على نموذج GM (۲,۱)، حيث حقق متوسط خطأ أقل قدره ٦٢,٣٨٤ مقارنة بـ ٨٦,٠٩٢ ومتوسط خطأ تربيعي متوسط قدره ۷,۸۹۸ مقابل ۹,۲۷۹، على التوالي. بالإضافة إلى ذلك، يظهر نموذج GAO-GM (2.1) ملاءمة فائقة للبيانات، كما ينعكس في قيم AIC وBIC المنخفضة. يتضمن التحليل مقارنة بين أسعار النفط الفعلية والقيم المتوقعة، مما يعكس الضوء على دقة النموذج وأهمية التنبؤ في عمليات صنع القرار بشكل عام، تؤكد النتائج فعالية نموذج وGAO-GM (2.1) في توفير توقعات دقيقة وقابلة للتنفيذ، مما يجعله أداة قيمة في سياقات مثل التمويل والاقتصاد.

This study evaluates the performance of two forecasting models, GM (2,1) and GAO-GM (2,1) for forecasting the oil price of Iraq, the monthly dataset in use is since (jan. 2021 to Dec. 2023), focusing on their predictive accuracy and efficiency. Accuracy Metrics such as Mean Squared Error (MSE), Root Mean Squared Error (RMSE), Akaike Information Criterion (AIC), and Bayesian Information Criterion (BIC) were used to compare the performance models. The results indicate that the GAO-GM (2,1) model significantly outperforms the GM(2,1) model, achieving a lower MSE of 62.384 compared to 86.092 and an RMSE of 7.898 versus 9.279, respectively. Additionally, GAO-GM (2,1) demonstrates a superior fit to the data, as reflected in its lower AIC and BIC values. The study also examines the efficiency of a Genetic Algorithm Optimizer (GAO) across multiple iterations, revealing a consistent convergence toward optimal solutions. The analysis includes a comparison of actual oil prices against predicted values, highlighting the model's accuracy and the importance of forecasting in decision-making processes. Statistical tests for normality confirm the validity of the model's residuals, further supporting the reliability of the predictions. Overall, the findings underscore the effectiveness of the GAO-GM (2,1) model in providing accurate and actionable forecasts, making it a valuable tool in contexts such as finance and economics.
ISSN: 2222-2995

عناصر مشابهة


© 2025 المنظومة. جميع الحقوق محفوظة.