Abstract:
پیشبینی رفتار متغیرهای اقتصادی یکی از الزامات برنامهریزی برای آینده است. در بین محصولاتی که مبادرت به پیشبینی قیمت آنها میشود، پیشبینی قیمت گندم به لحاظ استراتژیک بودن آن برای کشورمان دارای اهمیتی ویژه است. تاکنون مطالعاتی که در حوزه پیشبینی قیمت گندم انجام گرفته است، مطالعاتی بودهاند که با استفاده از الگوهای کمی انجام گرفته و از روشهای کیفی استفاده نشده است. در این پژوهش از هر دو گروه روشهای کمی و کیفی استفاده شد است. در این پژوهش از دادهها، در طی دوره 1393-1355 استفاده شده است. نتایج این مطالعه نشان دهنده آن است که معیار RMSE برای مدلهای کمیEGARCH, ARMA و ANN به ترتیب برابر 68/ 37625، 91/ 39373 و 073/ 24258 می باشد و معیار MAPE برای مدلهای یاد شده به ترتیب برابر 21/ 27866، 55/ 23034 و 89/ 18712 می باشد. از سوی دیگر، میانگین درصد تفاوت بین پیشبینی به روش ANN و روش دلفی 08/ 0 است. این مطالعه بیانگر این است که الگوی شبکه عصبی مصنوعی در مقایسه با روشهای دیگر دارای خطای پیش بینی کمتری است و در پیشبینی قیمت آینده در مقایسه با روش کیفی (مدل دلفی) دارای تفاوتی اندک است که بیانگر اهمیت استفاده از روشهای کیفی در کنار روشهای کمی برای پیش بینی متغیرهای اقتصادی میباشد.
One of the requirements of planning for the future is predict the behavior of economic variables. Since wheat is a strategic commodity for our country، forecasting its price is very important. In previous studies in Iran، researchers have used quantitative models to forecasting the price of wheat and they have not used qualitative models. But in present research، we use both of them. The annual data for period of 1976-2014 are included. The results of the study indicat that RMSE criterion for quantitative models such as ARMA، EGARCH and ANN are 37625.68، 39373.91 and 24258.073، respectively. On the other hand، the average percent difference between the forecasting of ANN and Delphi method is 0.08. So، the results show that prediction error of the neural network model compared to other methods is smaller and in prediction of future price compared with qualitative methods (Delphi model) is slightly different. It indicates the importance of using qualitative methods beside quantitative methods for forecasting economic variables.
Machine summary:
"محمدی نژاد و همکاران (١٣٩٠)، پیش بینی قیمت جوجه یک روزه گوشتی در ایران با استفاده از شبکه عصبی مصنوعی و مدلهای سری زمانی را انجام دادند، نتایج این مطالعه حاکی از آن است که شبکه عصبی مصنوعی دارای خطایی پایین تر جهت پیش بینی قیمت جوجه یک روزه گوشتی در افق های زمانی یک ، سه و شش ماه آینده برخوردار است و به گونه ای معنیدار از روش فرآیند خود رگرسیو میانگین متحرک انباشته دقیق تر است .
روش دلفی را که یکی از روش های پیش بینی کیفی است ، در این پژوهش میتوان شامل مراحل زیر دانست : ١-انتخاب نخبگان و متخصصین قیمت در محصول گندم ٢-توضیح به نخبگان برای انجام عمل مورد نظر ٣-ارایه پرسش نامه ٤-گردآوری و تجزیه و تحلیل دادهها ٥-ارایه دوباره نظرات و پاسخ ها به گروه نخبگان ٦- گردآوری دوباره پاسخ ها و دسته بندی آنها ٦-گردبندی و اعلام نتایج .
از این رو، در این مقاله از مدلهای کمی (مدل های سری زمانی، ناهمسانی واریانس شرطی و مدل های شبکه های عصبی مصنوعی) و مدل کیفی (روش دلفی) برای پیش بینی قیمت گندم در ایران استفاده شده است ."