این مطالعه با هدف انتخاب الگوی مناسب برای پیشبینی قیمت اسمی و واقعی گوشت گاو و گوساله، گوشت گوسفند، شیر و پشم گوسفند صورت گرفت. پس از بررسی ایستایی سریهای مورد استفاده، بهمنظور بررسی تصادفی بودن متغیرها، از آزمون ناپارامتریک والد- ولفویتز استفاده شد. براساس نتایج این آزمونها، تمامی سریهای یاد شده غیرتصادفی و قابل پیشبینی ارزیابی شدند. الگوهای مورد استفاده برای پیشبینی نیز شامل الگوهای ARIMA و شبکه عصبی مصنوعی بوده است. یافتههای مطالعه حاکی از برتری نسبی الگوی ARIMA در پیشبینی قیمت اسمی محصولات منتخب است. در مورد سریهای قیمت واقعی محصولات نیز روش شبکه عصبی مصنوعی برتری نسبی دارد. همچنین در مورد سریهای اسمی مشخص شد با افزایش طول دوره پیشبینی، خطای پیشبینی نیز بیشتر میشود. طبقهبندی JEL : C22 ، C32 ، C51 ، C53 ، D12 ، Q11 کلیدواژهها: پیشبینی، قیمت، گوشت گاو وگوساله، گوشت گوسفند، شیر، پشم، ARIMA ، شبکه عصبی مصنوعی