Knowledge Discovery of Oil Price and Inflation Rate Based on Multi-Pass Support Vector Regression andFuzzy-Correlation

الموضوعات

علوم تطبيقية وتكنولوجية

الملخص

International Oil Market (IOM) and economic inflation are interesting financial topics that have attracted the attention of researchers over the last years. The dataset for both of them is chaos in behavior, irregular, nonlinear and dynamic variation. The aim of this thesis is to design system have the ability to forecast the complex and irregular behavior of oil price and inflation rate then find out the pass-through degree of oil prices into inflation rate. The proposed system has given great interest in generating technical indicators adapted to oil prices and inflation rates for different periods. The efficiency of the model has achieved by Regression Relief Features Selection method employed to select attributes with the highest degree of significance. Additionally, A developed forecasting model is proposed which is called Multi-pass Support Vector Regression (MSVR) that express the errors in forecasting past and current periods to forecast the future. The system is applied on the two IOMs (WTI and Brent) datasets with different time periods (daily and monthly), in addition to one dataset for inflation rate more precisely is the monthly inflation rate of United States(US). In order to evaluate the forecasting model; Mean Absolute Error (MAE) and Root Mean Square Error (RMSE) are employed for this purpose. The best MAE and RMSE values of the proposed model for current time have reached to 0.0001 and 0.0003 in case of inflation rate, respectively, while 0.0279 and 0.0369 for oil pries, respectively. The best enhancement future accuracy value of the proposed model have been reached to 96.86% and 99.99% for crude oil and inflation rate, respectively. As well as, a comparison with other common regression methods (traditional Sequential Minimal Optimization (SMO) and Multiple Layer Perceptron (MLP)), the results show that the performance of the proposed system is better for all evaluation parameters. Finally, Fuzzy Correlation Model (FCM) is used to find the relationship between oil price and inflation rate. Hence, the experimental results of FCM indicate a clear relationship between oil prices and inflation rate more than 50 %.While, the remaining percentage may reflect the presence of other factors that have an effect on inflation rate in addition to the oil price.

روابط وملفات

التعريف والنوع

رقم الوثيقة

eb892e4d-5a24-409c-a034-704b4ff76b07

رقم العقد

0

نوع الوسائط

Crawler

نوع المحتوى

الرسائل العلمية

صيغة المصدر

رسائل ماجيستير

نوع الملف

pdf text

أسماء الملفات

997232_1.pdf

بيانات النشر

ترجمة العنوان

اكتشاف المعرفة لسعر النفط ومعدل التضخم بالاعتماد على انحدار دعم المتجه متعدد الدورات والترابط الضبابي

ألقاب المؤلفين

[{"name_ar":"ايمان صالح الشمري","title_ar":"اشراف","title_en":"Supervision"},{"name_ar":"حسين علي طعمة فيحان","title_ar":"اعداد","title_en":"Preparation"}]

اللغة

English

المصدر والدورية

اسم المصدر

Knowledge Discovery of Oil Price and Inflation Rate Based on Multi-Pass Support Vector Regression andFuzzy-Correlation

المحتوى والصفحات

عدد الصفحات

0

ترجمة الملخص

يعتبر سوق النفط الدولي (IOM) والتضخم الاقتصادي من الموضوعات المالية المثيرة للاهتمام التي جذبت انتباه الباحثين خلال السنوات الماضية. البيانات لكلاهما تمتاز بكونها فوضوية السلوك، غير منتظمة، غير خطية مع تغيرات ديناميكية. الهدف من هذه الرسالة هو تصميم نموذج له القدرة على التنبؤ بالسلوك المعقد وغير المنتظم لأسعار النفط ومعدلات التضخم الاقتصادية، ثم معرفة درجة الترابط بين أسعار النفط ومعدل التضخم. أعطى النظام المقترح اهتماماً كبيراً في توليد مفسرات تقنية تتكيف مع أسعار النفط ومعدلات التضخم لفترات مختلفة. ولقد تحققت الزيادة في كفاءة النموذج من خلال طريقة اختيار ميزات خفض الانحدار التي تستخدم لتحديد السمات ذات درجة الأهمية الأعلى. بالإضافة إلى ذلك، تم اقتراح نموذج متطور للتنبؤ يسمى انحدار دعم المتجه متعدد الدورات (MSVR) والذي يستخدم أخطاء التنبؤ بالفترات الماضية والحالية للتنبؤ بالمستقبل. تم تطبيق النظام المقترح على مجموعتي بيانات IOMs وهي (Brent, WTI) مع فترات زمنية مختلفة (يومية وشهرية)، بالإضافة إلى مجموعة بيانات واحدة لمعدلات التضخم وبشكل أكثر دقة هي معدلات التضخم الشهرية للولايات المتحدة. من أجل تقييم نموذج التنبؤ تم استخدام مقياسين وهما متوسط الخطأ المطلق (MAE) وخطأ متوسط مربع الجذر (RMSE) لتحقيق هذا الغرض. وقد بلغت أفضل قيم MAE و RMSE للنموذج المقترح في الوقت الحالي إلى 0.0001 و 0.0003 في حالة معدلات التضخم، على التوالي، بينما بلغت 0.0279 و 0.0369 للنفط الخام، على التوالي. وقد تم الوصول إلى أفضل قيمة للدقة المستقبلية للنموذج المقترح إلى 99.99% بالنسبة للنفط الخام ومعدلات التضخم على التوالي. بالإضافة لذلك تمت مقارنة النظام المقترح مع طرق الانحدار الشائعة الأخرى مثل (الأدنى التربيعي الأمثل SMO وطبقة متعددة الإدراك MLP) وأظهرت النتائج أن النظام المقترح هو الأفضل لجميع معايير القيم. وأخيراً، تم اقتراح نموذج الارتباط الضبابي (FCM) لاكتشاف العلاقة بين سعر النفط ومعدلات التضخم. وقد كشفت النتائج التجريبية لنموذج FCM أن هنالك علاقة واضحة بين أسعار النفط ومعدلات التضخم بنسبة تجاوزت الـ 50%، بينما تعكس النسبة المئوية المتبقية وجود عوامل أخرى لها تأثير على معدلات التضخم بالإضافة إلى السعر.

كلمات الباحثين

International Oil Market, Economic Inflation, Support Vector Regression, Fuzzy Correlation, Financial Forecasting

إشراف وإعداد

الإشراف

ايمان صالح الشمري

الإعداد

حسين علي طعمة فيحان

الاقتباسات الببليوغرافية