چکیده:
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.
Reliable predictions on import prices of agricultural products could result in appropriate timing of import and saving of exchange resources. Linear time series models including ARIMA، GARCH and EGARCH have frequently been used in time series forecasting during the past three decades. Recent studies on forecasting with artificial neural network (ANNs) suggest that ANNs can be a suitable alternative to the traditional linear models. But neither linear time series models nor ANNs could be adequate in modeling and forecasting time series since the linear model cannot deal with nonlinear relationships while neural network model alone is not able to handle both linear and nonlinear patterns equally well. Hence، by integrating linear time series with ANN models and designing the hybrid model، patterns in the data could be explained more accurately. In this research، a hybrid methodology that combines time series model ARIMA، GARCH and EGARCH and ANN models is designed and results are compared with those of competitive models. In order to compare forecasting accuracy، in addition to the usual criteria such as RMSE، MAD، MAPE and Theil Coefficient with introducing Granger and Newbold statistic، significance of forecasting accuracy have been investigated. Findings for prices of wheat، corn and sugar indicated that hybrid model significantly improves forecasting accuracy. In order to save foreign exchange، application of hybrid models for agricultural price prediction is recommended.
خلاصه ماشینی:
"نتایج پیش بینی قیمت های جهانی روزانه برای دوره ٢٠٠٨/٤/١ تا ٢٠١٢/٢/٢ در خصوص سه محصول وارداتی گندم ، ذرت و شکر حاکی از آن است که الگوی تلفیقی به طور معنیداری دقت پیش بینی به دست آمده از الگوهای انفرادی را افزایش میدهد.
در زمینه ی مطالعات انجام شده در مورد پیش بینی قیمت محصولات کشاورزی، می توان به مطالعات کهزادی و همکاران (١٩٩٦)، گیلان پور و کهزادی(١٩٩٦)، مجاوریان و امجدی(١٣٧٨)، قاسمی و همکاران (١٣٧٩)، نجفی و همکاران (١٣٨٦)، مقدسی و رحیمی بدر(١٣٨٨)، فهیمیفر(١٣٨٧)، فرج زاده و شاه ولی(١٣٨٨) و یاعلی جهرمی و همکاران (١٣٨٨) اشاره کرد.
در تمامی این مطالعات الگوهای مختلف پیش بینی اقتصادسنجی، سری زمانی و شبکه ی عصبی مصنوعی به طور مجزا و انفرادی الگوسازی و بعد از مقایسه و ارزیابی دقت پیش بینی، قیمت محصولات مختلف کشاورزی با دقیق ترین الگو پیش بینی شده است .
در ادامه به منظور پیش بینی قیمت روزانه ی سه محصول کشاورزی وارداتی گندم ، ذرات و شکر توسط الگوی تلفیقی، بعد از پرداختن به مبانی نظری الگوهای آریما، آرچ ، گارچ ، شبکه عصبی مصنوعی و الگوی تلفیقی، نتایج برآورد و ارزیابی الگوهای مورد نظر برای پیش بینی قیمت ارائه و در نهایت مباحث مذکور در بخش نهایی خلاصه و نتیجه گیری میگردد.
از این رو مطالعه ی حاضر با هدف شناسایی و برآورد مناسب ترین الگوی پیش بینی قیمت جهانی سه محصول مهم و استراتژیک گندم ، ذرت و شکر که همه ساله سهم عمده در ارز خارج شده از کشور به صورت محصولات کشاورزی وارداتی دارا میباشند؛ اجرا شده است ."