پیش‌بینی قیمت تخم‌مرغ در ایران: مقایسه روشهای ARCH و شبکه‌های عصبی مصنوعی

نویسندگان

چکیده

  با اینکه از عمر پرورش طیور به شکل صنعتی آن در جهان بیش از چند دهه نمی‌گذرد، اما این صنعت توانسته است جایگاهی رفیع در تأمین پروتئین مورد نیاز جامعه انسانی پیدا کند. ثبات نسبی و پیش‌بینی دقیق قیمت طیور و فراورده‌های آن از طریق توجه به کاهش نوسان، باعث تخصیص بهینه منابع، افزایش کارایی و در نهایت افزایش درآمد مرغداران می‌شود.   با توجه به اهمیت پیش‌بینی قیمت محصولات پروتئینی از جمله تخم‌مرغ، در تحقیق حاضر قیمت این محصول با استفاده از روش ARCH و شبکه‌های عصبی مصنوعی برای افقهای زمانی یک ماهه، شش ماهه و دوازده ماهه پیش‌بینی گردید. در این راستا این فرضیه که شبکه عصبی مصنوعی در پیش‌بینی قیمت تخم‌مرغ کارایی بیشتری از روش دارد بررسی شد. داده‌های مورد استفاده شامل متغیر قیمت تخم‌مرغ و دوره مورد مطالعه شامل سالهای 1371-85 است. نتایج نشان می‌دهد که شبکه‌های عصبی مصنوعی در بیشتر افقهای زمانی پیش‌بینی‌های دقیقتری در مقایسه با روش ارائه می‌کند؛ از این رو استفاده از روشهای پیش‌بینی قیمتی که عمدتاً متکی بر شبکه‌های عصبی مصنوعی است می‌تواند به تأثیر سیاست‌گذاری قیمتی و حتی تنظیم بازار از طریق پیش‌بینی نوسانهای مختلف کمک کند.   طبقه‌بندی JEL : C45 ، Q11       

کلیدواژه‌ها


عنوان مقاله [English]

Forecasting egg price in Iran: a comparison between Artificial Neural Networks and ARCH methods

چکیده [English]

  The age of poultry industry is as short as a few decades; however, it has a pertinent role in providing required protein of people. This reveals the fact that a precise forecasting of price in the poultry sector may result in optimized resource allocation, efficiency enhancement and an increase in income of the producers.   Regarding the importance of price forecasting of the protein products including egg, this research uses methods of ARCH and ANNs to forecast the egg price in Iran for the various time paths consisting of one month, six months and twelve months. Accordingly, the main hypothesis relies on the more efficiently of the ANNs than those of the ARCH methods. Monthly data are collected for the domestic resources related to the agricultural sector for the period 1992-2006. The empirical results obtained confirm that the performance of ANNs in forecasting has been more precise than that of GARCH in more times. The implication is that the use of ANNs in prediction of the egg price is able to affect policymakers in the poultry industry toward making better decisions in the market.   JEL classification: C45, Q11