این‌جا می‌‌توانید اسلایدهای ارایه «ی ادگیری ماشین، اقتصاد، و اقتصاددانان » را دریافت کنید. این اسلایدها احتمالا اولین ارائه فارسی در مورد «کلیات یادگیری ماشین» برای مخاطبان حوزه اقتصاد هستند. در نتیجه هنوز ابتدایی هستند و جای کار دارند. علاقه‌مند به دریافت بازخوردهای دوستان گرامی هستم.

با همکارانم – هرمان کریمر و نیما رفیع‌زاده – اولین مقاله مروری (Review Paper) نوشته شده در مورد «کاربردهای یادگیری ماشینی در اقتصاد انرژی» را تهیه کردیم. ما در این مقاله نزدیک ۱۵۰ مقاله منتشر شده در ژورنال‌های مرتبط با اقتصاد انرژی، اقتصادسنجی، تحقیق در عملیات و فاینانس را که به موضوع اقتصاد انرژی مربوط بودند به صورت انتقادی مرور کردیم. با این که چندین مقاله مروری خوب روی کاربردهای یادگیری ماشینی در حوزه «مهندسی انرژی» – در مواردی مثل پیش‌بینی تابش خورشیدی، بهینه‌سازی تولید، بار شبکه و امثال آن – وجود دارد ولی تقریبا هیچ مقاله‌ای در مورد کاربردهای یادگیری ماشینی در حوزه اقتصاد و مالیه انرژی وجود ندارد و ما تصمیم گرفتیم قدم اول را در این زمینه برداریم. نتیجه مرور ما نشان می‌دهد که: ۱) از بین روش‌های مختلف یادگیری ماشینی، SVM و شبکه‌های عصبی خیلی محبوب هستند و بیش‌تر مقالات یکی از دو روش یا ترکیبی از آن‌ها با روش‌های سنتی را استفاده می‌کنند. ضمنا الگوریتم ژنتیک و PSO هم جزو روش‌های محبوب محاسبات نرم در این حوزه هستند. ۲) درصد بزرگی از مقالات روی سه مساله پیش‌بینی تقاضای برق، قیمت نفت خام و قیمت برق متمرکز هستند. ۳) اکثریت مطلق مقالات، از داده‌های ساختاریافته (مثل سری زمانی قیمت) استفاده می‌کنند که قابل پردازش با روش‌های کلاسیک آمار و اقتصادسنجی هم هستند. ۴) ضمنا متوجه شدیم که ایرانی‌ها بسیار در این حوزه فعال هستند و اسامی ایرانی خیلی زیادی مشاهده کردیم 🙂 ۵) از مواردی که خیلی مشاهده نشد و جای کار دارد می‌توانیم به این‌ها اشاره کنیم: – یادگیری عمیق (DL): با وجود کاربرد آن در «مهندسی انرژی»، در حوزه «اقتصاد انرژی» بسیار کم استفاده شده است. – داده‌های غیرساختاریافته یا ترکیب کمی/کیفی مثل تحلیل متنی، تحلیل شبکه‌های اجتماعی، استفاده از داده‌های تصویری، نقشه و امثال آن در این حوزه خیلی استفاده نشده و جای...ادامه مطلب ...

در این مقاله جدیدمان نشان می‌دهیم که اطلاعات حجم جست و جوی کلمات کلیدی مربوط به انرژی در گوگل، قابلیت پیش‌بینی تلاطم (Volatility) قیمت برای شش حامل انرژی (دو نوع نفت خام، دو نوع بنزین، نفت سفید و گاز طبیعی) در بازه دو هفته آینده را دارد. جست و جوی گوگل به عنوان نماینده ‌ای (Proxy) از توجه بازیگران کلیدی به مساله عمل می‌کند که با یک تاخیر زمانی خود را در افزایش تلاطم قیمتی در بازار نشان می‌دهد. ما فهرستی شامل نود کلمه اصلی جست و جو در گوگل را بر اساس قدرت پیش‌بینی آن‌ها بررسی کرده و ترکیبات مختلف کلمات که پیش‌بینی پذیری تلاطم‌ها در بازار انرژی را نسبت به مدل‌های سنتی GARCH افزایش می‌دهد شناسایی می‌کنیم. مقاله تلاشی برای ترکیب مدل‌های سنتی اقتصادسنجی با داده‌های اینترنتی است. می‌توانید از این‌جا دانلود کنید.

بازار گاز طبیعی آمریکا از شبکه‌ای از قیمت‌های برای منظورهای متفاوت (خانگی٬‌تجاری٬ صنعتی٬ الخ) در نقاط مختلف تشکیل می‌شود ولی قراردادهای آتی صرفا برای گاز تحویلی در یک نقطه خاص (هنری هاب٬ لویزیانا) وجود دارد. در این مقاله به این سوال پرداخته‌ام که رابطه بین قیمت‌های فیزیکی و قیمت‌های بازار کاغذی چه‌گونه است و کدام یک پیش‌رانه دیگری است. بازار گاز ایران هم در حال تحول است و قرار است بازارهای منطقه‌ای و قراردادهای آتی گاز در کشور بگیرد. در این صورت سوال مشابهی برای ایران هم مطرح می‌‌شود.