• Lietuvių
    • English
  • Lietuvių 
    • Lietuvių
    • English
  • Prisijungti
Peržiūrėti įrašą 
  •   DSpace pagrindinis
  • Mokslinės publikacijos (PDB) / Scientific publications (PDB)
  • Moksliniai ir apžvalginiai straipsniai / Research and Review Articles
  • Straipsniai Web of Science ir/ar Scopus referuojamuose leidiniuose / Articles in Web of Science and/or Scopus indexed sources
  • Peržiūrėti įrašą
  •   DSpace pagrindinis
  • Mokslinės publikacijos (PDB) / Scientific publications (PDB)
  • Moksliniai ir apžvalginiai straipsniai / Research and Review Articles
  • Straipsniai Web of Science ir/ar Scopus referuojamuose leidiniuose / Articles in Web of Science and/or Scopus indexed sources
  • Peržiūrėti įrašą
JavaScript is disabled for your browser. Some features of this site may not work without it.

Comparison of vector time series and ANN techniques for forecasting of WTI oil price

Thumbnail
Peržiūrėti/Atidaryti
ece_Vol47_No4_19-35_Fouladgar.pdf (414.4Kb)
Data
2013
Autorius
Fouladgar, Mohammad Majid
Yazdani, Morteza
Khazaee, Saeed
Zavadskas, Edmundas Kazimieras
Fouladgar, Vahid
Metaduomenys
Rodyti detalų aprašą
Santrauka
Forecasting the changes of oil prices is of critical importance for authorities and plays a significant role in the dynamic global economy. This paper employs two prediction tools, including econometric and artificial neural network (ANN) models, for forecasting the price of WTI oil to conduct a comparative study. Forecasts from vector time series (vector autoregressive (VAR) and vector error correction (VEC) models) as econometric models are compared with those from ANN model based. For developing the models, 144 monthly data (2000/1-2011/12) comprising monthly oil price, production, reserves, fright rate, world GDP and inflation is applied. To obtain the best model for forecasting the oil price, various models comprising different combinations of training and testing dataset are tested. For achieving the aim, the most appropriate network structure and model is determined based on prediction accuracy and performance. The performance indexes for evaluating the VAR and ANN models contain of RMSE (Root Mean Square error), MAE (mean absolute error), and coefficient of determination (R2) criteria, indicate that ANN yields better results.
Paskelbimo data (metai)
2013
URI
https://etalpykla.vilniustech.lt/handle/123456789/145757
Kolekcijos
  • Straipsniai Web of Science ir/ar Scopus referuojamuose leidiniuose / Articles in Web of Science and/or Scopus indexed sources [7946]

 

 

Naršyti

Visame DSpaceRinkiniai ir kolekcijosPagal išleidimo datąAutoriaiAntraštėsTemos / Reikšminiai žodžiai InstitucijaFakultetasKatedra / institutasTipasŠaltinisLeidėjasTipas (PDB/ETD)Mokslo sritisStudijų kryptisVILNIUS TECH mokslinių tyrimų prioritetinės kryptys ir tematikosLietuvos sumanios specializacijosŠi kolekcijaPagal išleidimo datąAutoriaiAntraštėsTemos / Reikšminiai žodžiai InstitucijaFakultetasKatedra / institutasTipasŠaltinisLeidėjasTipas (PDB/ETD)Mokslo sritisStudijų kryptisVILNIUS TECH mokslinių tyrimų prioritetinės kryptys ir tematikosLietuvos sumanios specializacijos

Asmeninė paskyra

PrisijungtiRegistruotis