مقایسه قدرت پیشبینی الگوهای تلفیقی و متداول (مطالعه موردی قیمتهای جهانی گندم، ذرت و شکر)
الموضوعات : فصلنامه علمی -پژوهشی تحقیقات اقتصاد کشاورزیرضا مقدسی 1 , میترا ژاله رجبی 2
1 - دانشیار گروه اقتصاد کشاورزی دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران، تهران، ایران.
2 - دانشجوی دکتری گروه اقتصاد کشاورزی دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران، تهران، ایران.
الکلمات المفتاحية: شبکه عصبی مصنوعی, الگوی خطی, پیش بینی سری زمانی, الگوی تلفیقی,
ملخص المقالة :
پیشبینی دقیق قیمتهای محصولات کشاورزی وارداتی میتواند ضمن کمک به برنامهریزی مطلوب در خصوص زمان مناسب واردات به صرفه جویی در منابع ارزی کشور نیز بیانجامد. از پرکاربردترین الگوهای پیشبینی سری زمانی طی سه دههی اخیر، الگوهای خطی سری زمانی شامل آریما، گارچ و ای گارچ میباشند. مطالعات اخیر در زمینهی پیشبینی با شبکه عصبی مصنوعی نشانمیدهد که شبکهی عصبی مصنوعی میتواند دقت پیشبینی الگوهای خطی سنتی را بهبود بخشد. حال آنکه الگوهای سری زمانی خطی و شبکهی عصبی مصنوعی از محدودیت جدی برخوردار بوده و آن اینکه الگوهای خطی توانایی الگوسازی روابط غیر خطی را نداشته و شبکهی عصبی مصنوعی به تنهایی قادر به شناسایی و بررسی هر دو الگوی خطی و غیرخطی نمیباشد. از اینرو با ترکیب الگوهای سری زمانی خطی و شبکهی عصبی مصنوعی و طراحی الگوی تلفیقی روابط موجود در دادهها با دقت بیشتری الگوسازی میگردد. در مطالعهی حاضر، الگوی تلفیقی الگوهای سری زمانی آریما، گارچ، ای گارچ و شبکه عصبی مصنوعی طراحی و نتایج پیشبینی با نتایج الگوهای رقیب مقایسه گردیده است. در این مطالعه جهت مقایسهی دقت پیشبینی علاوه بر معیارهای مقایسه متداول نظیر RMSE، MAE، MAPE و Theil C با معرفی آماره گرنجر و نیوبولد معنیداری تفاوت دقت پیشبینیها نیز بررسی شده است. نتایج پیشبینی قیمتهای جهانی روزانه برای دوره 1/4/2008 تا 2/2/2012 در خصوص سه محصول وارداتی گندم، ذرت و شکر حاکی از آن است که الگوی تلفیقی بهطور معنیداری دقت پیشبینی بهدست آمده از الگوهای انفرادی را افزایش میدهد. بر این اساس، بهکارگیری الگوهای تلفیقی در پیشبینی قیمت محصولات کشاورزی(بهویژه محصولات استراتژیک) توصیه میشود تا با انتخاب زمان مناسب خرید محصولات وارداتی از خروج بیهوده ارز جلوگیری بهعمل آید.
طبقهبندیJEL:C19,C59