سید محمد رضا حاج سیدجوادی - پژوهشگر، موسسه پژوهش های برنامه ریزی، اقتصاد کشاورزی و توسعه روستایی، تهران، ایران
رضا حیدری - استادیار پژوهشی، موسسه پژوهش های برنامه ریزی، اقتصاد کشاورزی و توسعه روستایی، تهران، ایران

بورس کالای زعفران مانند هر بازار دیگری، همیشه با محدودیت ها و مسائل ساختاری روبرو بوده است و بخش عمده ای از این مشکلات مربوط به نوسانات قیمتی آن است. پیش بینی قیمت با استفاده از الگوهای مناسب می تواند کمک زیادی به کاهش ریسک قیمتی بازار آتی زعفران کند. سوال اساسی این است که در مواجهه با روش های متعدد پیش بینی قیمت، برای پیش بینی قیمت آتی زعفران کدام روش ها را باید انتخاب کرد؟ هدف از مطالعه حاضر، طراحی مناسب ترین مدل هیبریدی برای پیش بینی قیمت آتی زعفران نگین در بورس کالای کشاورزی است که از مجموعه مدل های غیرخطی الگوریتم ژنتیک، شبکه عصبی عمیق، جنگلی تصادفی، ماشین بردار پشتیان و روش مونت کارلو تشکیل شده است. در این مدل هیبریدی از الگوریتم ژنتیک برای تعیین وقفه بهینه سری زمانی قیمت، از شبکه عصبی عمیق، مدل جنگلی تصادفی و ماشین بردار پشتیبان برای پیش بینی سری زمانی قیمت و از روش مونت کارلو برای شبیه سازی محتمل ترین احتمال قیمت استفاده شده است. نتایج حاصل از این مطالعه نشان داد که دقت پیش بینی مدل هیبریدی «الگوریتم ژنتیک-شبکه عصبی عمیق-مونت کارلو» بیشتر از دو مدل «الگوریتم ژنتیک-جنگلی تصادفی-مونت کارلو» و «الگوریتم ژنتیک-ماشین بردار پشتیبان-مونت کارلو» است. بنابراین، استفاده از شبکه عصبی عمیق و محاسبه محتمل ترین احتمال قیمت با استفاده از روش مونت کارلو دقیق ترین پیش بینی قیمت زعفران با درجه اطمینان بالا و حداقل ریسک ارائه می دهد. بنابراین پیشنهاد می شود که مدیریت بورس کالاهای کشاورزی، فعالین بازار بورس، محققین و علاقه مندان فن پیش بینی از مزایای این مدل پیشنهادی در پیش بینی قیمت محصولات کشاورزی استفاده کنند.

پیش بینی قیمت زعفران, مدل هیبریدی, الگوریتم ژنتیک, شبکه عصبی عمیق و روش مونت کارلو