عنوان مقاله :
مقايسه روشهاي كمي و كيفي درپيش بيني قيمتگندم (مطالعه موردي در ايران)
عنوان به زبان ديگر :
Comparison of Qualitative and Quantitative Methods to Predict Price of Wheat in Iran
پديد آورندگان :
روشن، رضا دانشگاه خليج فارس - گروه اقتصاد، بوشهر , اكبري، احمد دانشگاه سيستان و بلوچستان - گروه اقتصاد كشاورزي , رستمي، كاوه
كليدواژه :
پيش بيني قيمت , ARIMA , ARCH/GARCH , شبكه عصبي مصنوعي , مدل دلفي
چكيده فارسي :
پيشبيني رفتار متغيرهاي اقتصادي يكي از الزامات برنامهريزي براي آينده است. در بين محصولاتي كه مبادرت به پيشبيني قيمت آنها ميشود، پيشبيني قيمت گندم به لحاظ استراتژيك بودن آن براي كشورمان داراي اهميتي ويژه است. تاكنون مطالعاتي كه در حوزه پيشبيني قيمت گندم انجام گرفته است، مطالعاتي بودهاند كه با استفاده از الگوهاي كمي انجام گرفته و از روشهاي كيفي استفاده نشده است. در اين پژوهش از هر دو گروه روشهاي كمي و كيفي استفاده شد است. در اين پژوهش از دادهها، در طي دوره 1393-1355 استفاده شده است. نتايج اين مطالعه نشان دهنده آن است كه معيار RMSE براي مدلهاي كمي EGARCH, ARMA و ANN به ترتيب برابر 37625/68، 39373/91 و 24258/073 مي باشد و معيار MAPE براي مدلهاي ياد شده به ترتيب برابر 27866/21، 23034/55 و 18712/89 مي باشد. از سوي ديگر، ميانگين درصد تفاوت بين پيشبيني به روش ANN و روش دلفي 0/08 است. اين مطالعه بيانگر اين است كه الگوي شبكه عصبي مصنوعي در مقايسه با روشهاي ديگر داراي خطاي پيش بيني كمتري است و در پيشبيني قيمت آينده در مقايسه با روش كيفي (مدل دلفي) داراي تفاوتي اندك است كه بيانگر اهميت استفاده از روشهاي كيفي در كنار روشهاي كمي براي پيش بيني متغيرهاي اقتصادي مي باشد.
چكيده لاتين :
One of the requirements of planning for the future is predict the
behavior of economic variables. Since wheat is a strategic commodity for
our country, forecasting its price is very important. In previous studies in
Iran, researchers have used quantitative models to forecasting the price of
wheat and they have not used qualitative models. But in present research,
we use both of them. The annual data for period of 1976-2014 are
included. The results of the study indicat that RMSE criterion for
quantitative models such as ARMA, EGARCH and ANN are 37625.68,
39373.91 and 24258.073, respectively. On the other hand, the average
percent difference between the forecasting of ANN and Delphi method is
0.08. So, the results show that prediction error of the neural network
model compared to other methods is smaller and in prediction of future
price compared with qualitative methods (Delphi model) is slightly
different. It indicates the importance of using qualitative methods beside
quantitative methods for forecasting economic variables.
عنوان نشريه :
تحقيقات اقتصاد كشاورزي
عنوان نشريه :
تحقيقات اقتصاد كشاورزي