رضا روشن - استادیار گروه اقتصاد دانشگاه خلیج فارس، بوشهر.
احمد اکبری - استاد گروه اقتصاد کشاورزی دانشگاه سیستان و بلوچستان.
کاوه رستمی - کارشناس ارشد اقتصاد کشاورزی.

پیش بینی رفتار متغیرهای اقتصادی یکی از الزامات برنامه ریزی برای آینده است. در بین محصولاتی که مبادرت به پیش بینی قیمت آن ها می شود، پیش بینی قیمت گندم به لحاظ استراتژیک بودن آن برای کشورمان دارای اهمیتی ویژه است. تاکنون مطالعاتی که در حوزه پیش بینی قیمت گندم انجام گرفته است، مطالعاتی بوده اند که با استفاده از الگوهای کمی انجام گرفته و از روش های کیفی استفاده نشده است. در این پژوهش از هر دو گروه روش های کمی و کیفی استفاده شد است. در این پژوهش از داده ها، در طی دوره ۱۳۹۳-۱۳۵۵ استفاده شده است. نتایج این مطالعه نشان دهنده آن است که معیار RMSE برای مدل های کمیEGARCH, ARMA و ANN به ترتیب برابر ۶۸/۳۷۶۲۵، ۹۱/۳۹۳۷۳ و ۰۷۳/۲۴۲۵۸ می باشد و معیار MAPE برای مدل های یاد شده به ترتیب برابر ۲۱/۲۷۸۶۶، ۵۵/۲۳۰۳۴ و ۸۹/۱۸۷۱۲ می باشد. از سوی دیگر، میانگین درصد تفاوت بین پیش بینی به روش ANN و روش دلفی ۰۸/۰ است. این مطالعه بیانگر این است که الگوی شبکه عصبی مصنوعی در مقایسه با روش های دیگر دارای خطای پیش بینی کم تری است و در پیش بینی قیمت آینده در مقایسه با روش کیفی (مدل دلفی) دارای تفاوتی اندک است که بیانگر اهمیت استفاده از روش های کیفی در کنار روش های کمی برای پیش بینی متغیرهای اقتصادی میباشد.

پیش بینی قیمت, ARIMA, ARCH/GARCH, شبکه عصبی مصنوعی, مدل دلفی