fa کاربرد الگوریتم جستجوی گرانشی و مدل واریانس ناهمسانی شرطی خودتوضیحی تعمیم یافته در مدل سازی قیمت نفت تک محموله ایران انرژی، منابع و محیط زیست انرژی، منابع و محیط زیست كاربردي Applicable <p><strong>چکیده</strong></p><p> پیش بینی قیمت نفت خام نقش مهمی در بهینه سازی تولید، بازاریابی و استراتژی بازار دارد. علاوه بر این موارد، نقش مؤثری در سیاست های دولت بازی می کند، چرا که دولت سیاست های خود را فقط نه بر مبنای وضع موجود، بلکه بر مبنای پیش بینی های کوتاه مدت و بلندمدت از متغیرهای کلیدی اقتصادی از جمله قیمت نفت تدوین کرده و به اجرا می گذارد. هدف از انجام این مطالعه مدل سازی و پیش بینی قیمت نفت تک‌محموله (SPOT) ایران با استفاده از مدل GARCH و الگوریتم جستجوی گرانشی(GSA) است. پیش‌بینی-های انجام شده در این تحقیق به صورت درون نمونه ای و ایستا بوده به گونه ای که داده ها به دو مجموعه داده های تخمین و داده های پیش بینی تقسیم شده اند. افق پیش بینی به صورت یک دوره به جلو و به مدت یک ماه می باشد. در این مطالعه، مدل هایی که برای پیش بینی قیمت نفت تک محموله ایران انتخاب شده است عبارتند از: (1وGARCH(2 و یک تابع کاب داگلاس برای الگوریتم GSA که تابعی از قیمت 5 روز گذشته می باشد. در پایان عملکرد این سه مدل با یکدیگر مقایسه شده است. برای مقایسه این مدل‌ها از معیارهای MSE، RMSE، MAE و MAPE استفاده شده که فرآیند GARCH به جز در معیار MAPE در بقیه موارد عملکرد بهتری نسبت به الگوریتم GSA داشته است. </p> <p><strong><font face="times new roman,times,serif">Abstract</font></strong></p><p><font face="times new roman,times,serif"> Forecasting of crude oil price plays a crucial role in optimization of production, marketing and market strategies. Furthermore, it plays a significant role in government’s policies, because the government sets and implements its policies not only according to the current situation but also according to short run and long run predictions of important economic variables like oil price. The main purpose of this study is modeling and forecasting spot oil price of Iran by using GARCH model and A Gravitational Search Algorithm. Performed forecasts of this study are based in static and out-of-sample forecasting and each subseries data is divided in to two parts: data for estimation and data for forecasting. The forecast horizon is next leading period and its length is one month. In this study the selected models for forecasting spot oil of Iran are GARCH(2,1) and a Cobb Douglas function which is functional of prices of 5 days ago. Finally, the performances of these models are compared. For comparison of these models MSE, RMSE, MAE, and MAPE criteria are used and the results indicate that except in MAPE criterion, the mentioned criteria are smaller for GARCH model in comparison to GSA algorithm. </font></p> نفت تک محموله, پیش بینی, GARCH, الگوریتم جستجوی گرانشی spot oil price, forecasting, GARCH, GSA algorithm 1 23 http://jfm.khu.ac.ir/browse.php?a_code=A-10-1058-1&slc_lang=fa&sid=1 abbass memarzadeh عباس معمارزاده Memarzadeh_eco@yahoo.com 10031947532846005002 10031947532846005002 Yes allame tabatabie university دانشگاه علامه طباطبایی ali emami meibodi علی امامی میبدی Emami@atu.ac.ir 10031947532846005003 10031947532846005003 No allame tabatabie university دانشگاه علامه طباطبایی hamid amadeh حمید آماده Amadeh@gmail.com 10031947532846005004 10031947532846005004 No allame tabatabie university دانشگاه علامه طباطبایی amin ghasemi nejad امین قاسمی Amin.ghasemieco@gmail.com 10031947532846005005 10031947532846005005 No shahid bahonar kerman دانشگاه شهید باهنر کرمان