در اقتصاد جهان، نفت خام در کنار گاز طبیعی و زغال سنگ یکی از منابع استراتژیک انرژی است و پیشبینی روند تقاضای آن جهت اتخاذ سیاستهای مناسب، موردتوجه سیاستگذاران و تصمیمگیرندگان است. نظر به روند پر نوسان و غیرخطی عرضه و تقاضای نفت خام و قیمت آن، روشهایی هوشمند و غیرخطی خصوصاً شبکههای عصبی مبتنی بر الگوهای تکاملی، توانستهاند توانایی خود را در پیشبینی کوتاهمدت قیمت نفت خام به اثبات برسانند. بدین منظور، قیمت نفت خام با استفاده از الگوریتم رقابت استعماری شبکههای عصبی، دادههای تولید نفت خامOPEC و مصرف کشورهای عضو سازمان همکاری اقتصادی و توسعه OECD، برای دوره زمانی ژانویه 1982 تا اکتبر 2015 مورد بررسی قرار گرفت و سپس سطح تولید و مصرف بهینه با استفاده از نظریه بازیها و تعادل نش بهدست آمد. با توجه به ضریب همبستگی ، نتایج نشان میدهد که الگوریتم رقابت استعماری، قدرت توضیح دهندگی بسیار بالایی در متغیرهای بکار رفته دارد. همچنین، خروجی شبکه عصبی و نظریه بازیها و تعادل نش میتوانند سطح بهینه تولید اوپک و مصرف نفت خام کشورهایOECD را برای دوره کوتاهمدت یکماهه پیشبینی نمایند.
Farazmand H, Kordzangeneh N. Forecasting Crude Oil Prices and Determining the Optimal Production Level Using the Evolutionary Pattern of Neural Networks and Nash Equilibrium. QEER 2018; 14 (56) :179-202 URL: http://iiesj.ir/article-1-777-fa.html
فرازمند حسن، کردزنگنه ناهید. پیش بینی قیمت نفت خام وتعیین سطح تولید بهینه با استفاده از الگوی تکاملی شبکه های عصبی و تعادل نش. فصلنامه مطالعات اقتصاد انرژي. 1397; 14 (56) :179-202