پیش‎بینی قیمت جهانی گندم و صرفه‎جویی ارزی در ایران

محورهای موضوعی : اقتصاد مالی

شهریار نصابیان ¹ (دانشیار دانشکده اقتصاد و حسابداری، دانشگاه آزاد اسلامی، واحد تهران مرکزی، تهران، ایران)
شهاب الدین قشقایی ² (کارشناس ارشد، برنامه ریزی سیستم‌های اقتصادی، دانشکده اقتصاد و حسابداری، واحد تهران مرکزی، تهران، ‌ایران)

تاریخ دریافت : 1396/07/22 تاریخ پذیرش : 1396/09/25 تاریخ انتشار : 1396/12/01

کلید واژه: C53, C51, واژه‌های کلیدی: پیش‎بینی, قیمت جهانی گندم, صرفه‎جویی ارزی, مدل ARIMA. طبقه بندی JEL : C22, Q11,

چکیده مقاله :

این مطالعه با هدف پیش بینی قیمت جهانی گندم و تشخیص زمان مناسب واردات گندم در جهت صرفه جویی ارزی صورت گرفت. جامعه آماری تحقیق حاضر اطلاعات سری زمانی ماهانه قیمت گندم طی بازه زمانی ژانویه 2000 تا دسامبر 2014 است و پیش‎بینی قیمت جهانی گندم برای دوره زمانی ژانویه 2016 تا دسامبر 2017 انجام شده است. همچنین جهت بررسی میزان واردات گندم به کشور ایران داده‎های ماهانه سال 1393- 1388در نظر گرفته شده است. در این مطالعه از مدل ARIMA به‎عنوان پیشتاز مدل‎های سری زمانی کلاسیک برای پیش‎بینی قیمت جهانی گندم استفاده گردید. نتایج تخمین مدل ARIMA و مشاهده روند زمانی متغیر قیمت جهانی گندم نشان می دهد که در سال‎های اخیر با کاهش قیمت مواجه هستیم و در سال‎های 2016 و 2017 شاهد افزایش تدریجی قیمت جهانی گندم خواهیم بود. همچنین با بررسی وضعیت واردات گندم ایران در سال های مذکور، این نتیجه حاصل شد که واردات گندم در بعضی سال‌ها، در زمان مناسبی انجام نشده است، در سال‎هایی مانند سال 1391که قیمت جهانی افزایش داشته است ایران نیز افزایش واردات گندم داشته است. Abstract This study forecasts the global price of wheat and wheat imports to recognize the right time in order to save foreign exchange took place. The population of study time series of monthly wheat prices during the period January 2000 to December 2014 and forecast global wheat prices for the period January to December 2017 was conducted.In order to evaluate the country's wheat imports in years 1393- 1388 Monthly data are considered. ARIMA model as a pioneer in the study of classical time series models were used to forecast global wheat prices. ARIMA model and view the results of the variable when global wheat prices shows that in recent years, faced with falling prices and in the years 2016 and 2017 will see a gradual increase in global wheat prices. Also, check the status of Iran's wheat imports in the year, it was concluded that wheat imports in some years, been done at the right time, in years such as 1391 when the world price increased Iran's imports of wheat.

منابع و مأخذ:

فهرست منابع

1)        آذر، عادل و رجب زاده، علی (1382). «ارزیابی روش های ترکیبی: با رویکردهای شبکه های عصبی، کلاسیک در حوزه اقتصاد»، مجله تحقیقات اقتصادی، شماره 63، پاییز و زمستان 1382.

2)        ابریشمی، ح.، مهرآرا، م.(1381)، اقتصاد سنجی کاربردی (رویکردهای نوین). چاپ اول. انتشارات دانشگاه تهران.

3)        ابویی مهریزی، امیر (1385). «پیش بینی قیمت سهام با استفاده از شبکه های فازی و (ANFIS)»، پایان نامه کارشناسی ارشد، مدیریت صنعتی، دانشگاه تربیت مدرس.

4)    پناهیان، حسین (1379). «استفاده از شبکه های عصبی برای پیش بینی روند شاخص سهام بورس اوراق بهادار تهران طی سال های 1372-1369»، رساله دکتری مدیریت، دانشگاه آزاد اسلامی واحد علوم و تحقیقات.

5)        چیذری، امیرحسین و عبداالهی، مهرنوش، (1393).«پیش‎بینی قیمت سهام کشاورزی در بورس اوراق بهادار تهران (مطالعه موردی شرکت کشاورزی و دامپروری مگسال)»، اقتصاد کشاورزی، ویژه‎نامه، صص.243-233

6)        خالوزاده، حمید و خاکی صدیق، علی (1382).«ارزیابی ارزیابی پیش بینی پذیری قیمت سهام و تعیین میزان قابلیت پیش بینی در بازار بورس تهران»، فصلنامه مدرس علوم انسانی، دوره 7، شماره 3، پاییز 1382.

7)        ژاله رجبی، میترا و مقدسی، رضا. «به کارگیری الگوهای رگرسیونی شامل داده‎های مختلط در مدلسازی و پیش‎بینی ارزش واردات گندم ایران (روش ARDL تعمیم یافته مبتنی بر OLS)»، نشریه اقتصاد کشاورزی، جلد 28، شماره2، تابستان 1393، ص. 148-138.

8)        شریف، مصطفی. « بررسی آثار تعیین قیمت گندم بر تولید آن در ایران»، نشریه اقتصاد کشاورزی و توسعه، سال دوازدهم، شماره 46، تابستان 1383.

9)        شیوا، رضا؛ پیش بینی سری های زمانی، صص 18-17.

10)    عمرانی، محمد و بخشوده، محمد. «مقایسه روش‏های مختلف پیش‎بینی: مطالعه موردی قیمت پیاز، سیب‎زمینی در ایران»، چهارمین کنفرانس دوسالانه اقتصاد کشاورزی، (1384).

11)    فرجام نیا،ایمان. «پیش بینی قیمت نفت با دو روش ARIMA و شبکه های مصنوعی»، فصلنامه پژوهش های اقتصادی ایران، سال نهم، شماره 32، پاییز 1386، صص 161-183.

12)    فلاح شمسی، میرفیض و دلنواز اصغری، بیتا (1388).«پیش بینی شاخص بورس اوراق بهادار تهران با استفاده از شبکه های عصبی»، مجله فراسوی مدیریت، شماره 9، تابستان 1388.

13)    گیلان پور، امید و کهزادی، نوروزی. «پیش‎بینی قیمت برنج در بازار بین‎المللی با استفاده از الگوی خودرگرسیونی میانگین متحرک»، فصلنامه اقتصاد کشاورزی و توسعه، سال سوم، شماره 8، 1376.

14)    محمدی، حسین و فکاری سردهایی، بهزاد (1392).«عوامل مؤثر بر قیمت گندم در بورس کالای ایران»، نشریه اقتصاد و توسعه کشاورزی، جلد 27، شماره 2، تابستان 1392، ص. 102-95.

15)    مشیری، سعید (1380).«پیش بینی تورم ایران با استفاده از مدل های ساختاری سری های زمانی و شبکه های عصبی»، مجله تحقیقات اقتصادی، شماره 58، بهار و تابستان 1380.

16)    مشیری، سعید و مروت، حبیب (1385). «پیش بینی شاخص کل بازدهی سهام تهران با استفاده از مدل های خطی و غیرخطی»، فصلنامه پژوهش های بازرگانی، شماره 41، زمستان 1385.

17)    مقدسی، رضا و رحیمی بدر، بیتا (1386). « ارزیابی قدرت الگوهای مختلف اقتصاد سنجی برای پیش‎بینی قیمت گندم». پژوهشنامه اقتصادی، سال نهم، شماره چهارم، زمستان 1388.

18)    منجزی، مریم و قبادی، صغری و افقه، سید مرتضی. «بررسی اثرات کوتاه‎مدّت و بلند مدّت آزادسازی تجاری بر تابع واردات گندم ایران»، جلد 24، شماره 4، بهار 1389، ص. 526-532.

19)    موسوی، حبیب الله. «تحلیلی بر خودکفایی در تولید گندم»، ششمین کنفرانس اقتصاد کشاورزی ایران.

20)    نوفرستی، م، (1387). ریشه واحد و هم جمعی در اقتصادسنجی. چاپ اول. انتشارات رسا

21)    

22)    

23)    

24)    

25)    

26)    

27)    

28)    

29)    

30)    

31)    

32)    

33)    

34)    

35)    

36)    

37)    

38)    

39)    

40)    

41)   Box, G.P., Jenkins, G.M. (1978). Time Series analysis: Forecasting and control, revised., Holden day, San Francisco.

42)   Brandt J. A. and D. A. Bessler (1981), Composite forecasting: an application with US. hog prices, American Journal of Agricultural Economics, 63: 135-140.

43)   Bressan and Lima. (2002), the applicability of time series models as a decision tool of buy and sell orders of live cattle futures contracts. nova Economia_Belo Horizonte_12 (1)_117-140_janeiro-junho de2002.

44)   Contreras,J,Rosario,E, Francisco,J, and Antonio. (2003).ARIMA models to predict next day Electricity prices. IEEE TRANSACTIONS ON POWER SYSTEMS, VOL. 18, NO. 3, AUGUST 2003 .

45)   Dooley, G., and H. Lenihan (2005). An assessment of time series methods in metal price forecasting..Resources Policy 30, 208-217.

46)   Fernandez,v .(2005), Forecasting commodity prices by classification methods: The cases of crude oil and natural gas spot prices.

47)   Lin,J (2010), Empirical study of Gold price Based on ARIMA and GARCH.

48)   Merh, N.,& Saxena, V., &Pardasani, K. (2011). Next day stock market forecasting:An application of ANN and ARIMA. Available at www.SSRN.com.

49)   -Portugal, N. S. (1995), Neural networks versus time series methods: A forecasting exercises, 14^th international symposium on forecasting, Sweden.

50)   Wu, SH. I. and R. P. Lu (1993), Combining artificial neural networks and statistics for stock-market forecasting, 257-264.

51)   Wankhade,R, Suvarna,M, Sonal,G and V.M. Bodade (2010), Use if the RIMA model for forecasting Pigeon Pea Production in india.International Review of Business and Finance.v(2)

52)   Wang C. C.(,2011), A comparison study between fuzzy time series model and ARIMA model for forecasting Taiwan export. Expert Systems with Applications 38: 9296–9304.

53)   www.FAO.org

54)   www.ers.usda.gov

55)   www.irica.gov.ir

 

 

یادداشت‌ها