پیش بینی قیمت خرده‌فروشی و عمده‌فروشی ماهی قزل آلا با استفاده از شبکه عصبی مصنوعی و مدل ARMA

الموضوعات : فصلنامه علمی -پژوهشی تحقیقات اقتصاد کشاورزی

سید ابوالقاسم مرتضوی ¹ , سعید حسنلو ² , اعلائی بروجنی ³

1 - استادیار،اقتصاد کشاورزی، دانشگاه تربیت مدرس
2 - دانشجوی کارشناسی ارشد اقتصاد کشاورزی، دانشگاه تربیت مدرس
3 - دانشجوی دکتری اقتصاد کشاورزی، دانشگاه تربیت مدرس

تاريخ الإرسال : 13 الأحد , جمادى الثانية, 1435 تاريخ التأكيد : 13 الأحد , جمادى الثانية, 1435 تاريخ الإصدار : 19 الجمعة , محرم, 1435

الکلمات المفتاحية: شبکه عصبی مصنوعی, قیمت, پیش‌بینی, ماهی قزل آلا, ARMA,

ملخص المقالة :

توجه به ثبات نسبی و پیش­بینی قیمت، می‌تواند نقش مهمی در کنترل ناپایداری قیمت‌ها و درنهایت کاهش ریسک بازار داشته باشد. در موضوع پیش­بینی، مهم‌ترین بخش مقایسه­ی روش‌های مختلف است. در این پژوهش با مقایسه­ی قدرت پیش­بینی دو روشARMA و شبکه­ی عصبی مصنوعی و با انتخاب روش بهتر، قیمت‌های هفتگی خرده‌فروشی و عمده‌فروشی ماهی قزل‌آلا  پیش­بینی می‌شود. در این مطالعه از شبکه­ی پیش‌خور که از نوع شبکه‌های پس انتشار        (Back Propagation) است، استفاده می‌شود. داده‌های مورد استفاده در مطالعه شامل قیمت‌های هفته­ی اول فروردین 1388 تا هفته­ی آخر شهریور 1390 می‌باشد. قبل از استفاده از روش­های پیش­بینی تصادفی یا غیرتصادفی بودن داده‌ها مورد بررسی قرار گرفت. بر اساس آزمون‌های تصادفی بودن والد-ولفویتز، والیس-مور و دوربین-واتسون هر دو سری قیمت غیرتصادفی و قابل پیش‌بینی هستند. بر اساس آزمون ایستایی داده‌ها (دیکی-فولر تعمیم یافته) سری‌ها در سطح ایستا می‌باشند. نتایج پیش‌بینی نشان می‌دهد که مدل ARMA در مقایسه با مدل شبکه عصبی مصنوعی، بر اساس چهار معیار ارزیابی دقت پیش‌بینی، میزان خطای کمتری دارد در نتیجه قدرت بالاتری در پیش‌بینی قیمت ماهی قزل‌آلا دارد. در مدل شبکه عصبی 80% داده‌ها برای آموزش شبکه و 20% برای داده‌های آزمایشی در نظر گرفته شد. نتایج آزمون برابری دقت دو روش (MGN) نشان می‌دهد مدل ARMA در پیش‌بینی قیمت خرده‌فروشی و قیمت عمده‌فروشی نیز به طور معنی‌داری بهتر از مدل شبکه عصبی است. طبقه­بندی JEL:E27, P25, Q18