پیش بینی قیمت خرده فروشی و عمده فروشی ماهی قزل آلا با استفاده از شبکه عصبی مصنوعی و مدل ARMA
Publish place: Agricultural Economics Research، Vol: 5، Issue: 0
Publish Year: 1392
نوع سند: مقاله ژورنالی
زبان: Persian
View: 102
This Paper With 24 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JAE-5-0_002
تاریخ نمایه سازی: 23 بهمن 1402
Abstract:
توجه به ثبات نسبی و پیشبینی قیمت، می تواند نقش مهمی در کنترل ناپایداری قیمت ها و درنهایت کاهش ریسک بازار داشته باشد. در موضوع پیشبینی، مهم ترین بخش مقایسهی روش های مختلف است. در این پژوهش با مقایسهی قدرت پیشبینی دو روشARMA و شبکهی عصبی مصنوعی و با انتخاب روش بهتر، قیمت های هفتگی خرده فروشی و عمده فروشی ماهی قزل آلا پیشبینی می شود. در این مطالعه از شبکهی پیش خور که از نوع شبکه های پس انتشار (Back Propagation) است، استفاده می شود. داده های مورد استفاده در مطالعه شامل قیمت های هفتهی اول فروردین ۱۳۸۸ تا هفتهی آخر شهریور ۱۳۹۰ می باشد. قبل از استفاده از روشهای پیشبینی تصادفی یا غیرتصادفی بودن داده ها مورد بررسی قرار گرفت. بر اساس آزمون های تصادفی بودن والد-ولفویتز، والیس-مور و دوربین-واتسون هر دو سری قیمت غیرتصادفی و قابل پیش بینی هستند. بر اساس آزمون ایستایی داده ها (دیکی-فولر تعمیم یافته) سری ها در سطح ایستا می باشند. نتایج پیش بینی نشان می دهد که مدل ARMA در مقایسه با مدل شبکه عصبی مصنوعی، بر اساس چهار معیار ارزیابی دقت پیش بینی، میزان خطای کمتری دارد در نتیجه قدرت بالاتری در پیش بینی قیمت ماهی قزل آلا دارد. در مدل شبکه عصبی ۸۰% داده ها برای آموزش شبکه و ۲۰% برای داده های آزمایشی در نظر گرفته شد. نتایج آزمون برابری دقت دو روش (MGN) نشان می دهد مدل ARMA در پیش بینی قیمت خرده فروشی و قیمت عمده فروشی نیز به طور معنی داری بهتر از مدل شبکه عصبی است. طبقهبندی JEL:E۲۷, P۲۵, Q۱۸
Keywords:
Authors
سید ابوالقاسم مرتضوی
استادیار،اقتصاد کشاورزی، دانشگاه تربیت مدرس
سعید حسنلو
دانشجوی کارشناسی ارشد اقتصاد کشاورزی، دانشگاه تربیت مدرس
اعلائی بروجنی
دانشجوی دکتری اقتصاد کشاورزی، دانشگاه تربیت مدرس