رهیافت شبکه‌ی عصبی مصنوعی (ANN)و روش‌های هم‌جمعی (ARDL و جوهانسون- جوسیلیوس) در پیش‌بینی قیمت گوشت مرغ در ایران

Abstract

پیش‌بینی دقیق قیمت طیور و فرآورده‌های آن از طریق توجه به کاهش نوسانات باعث تخصیص بهینه‌ی منابع، افزایش کارایی و سرانجام افزایش درآمد مرغداران می‌شود. با توجه به اهمیت پیش‌بینی قیمت گوشت مرغ، در این تحقیق قیمت این محصول با استفاده از روش‌های هم‌جمعی ARDL، جوهانسون- جوسیلیوس و روش شبکه‌های عصبی مصنوعی برای افق‌های زمانی یک ماهه، شش ماهه و دوازده ماهه پیش‌بینی شد و این فرضیه که شبکه‌ی عصبی مصنوعی در پیش‌بینی قیمت گوشت مرغ از کارایی بیش‌تری نسبت به دیگر مدل‌های اقتصادسنجی برخوردار است، بررسی شد. داده‌های مربوط به متغیرهای تاثیرگذار بر قیمت گوشت مرغ برای دوره‌ی زمانی فروردین‌ماه 1371 تا بهمن‌ماه 1384 از شرکت پشتیبانی امور دام کشور جمع‌آوری شده است که از داده‌های فروردین 1371 تا بهمن 1384 برای تخمین مدل‌ها و آموزش شبکه‌ی عصبی و از مابقی داده‌ها (اسفند 1384 تا بهمن 1385) برای بررسی قدرت پیش‌بینی مدل‌های مختلف استفاده شده است. نتایج به دست آمده حاکی از آن بود که روند پیش‌بینی شده به وسیله‌ی شبکه‌ی عصبی المان سه لایه با هشت نرون در لایه‌ی ورودی، سه نرون در لایه‌ی مخفی و تابع فعال‌سازی زیگموییدی (برای افق زمانی دوازده ماهه) و شبکه‌ی المان سه لایه شامل هشت نرون ورودی و هفت نرون در لایه‌ی مخفی با تابع فعال‌سازی تانژانت هیپربولیک (برای افق زمانی یک ماهه) از کارایی بیش‌تری در کمینه کردن خطای پیش‌بینی، نسبت به روش‌های هم‌جمعی، برخوردارند؛ اما در افق زمانی شش ماهه، مدل ARDL دقیق‌تر از شبکه‌ی عصبی المان عمل می کند. از این دیدگاه، استفاده از روش نوین پیش‌بینی قیمت همانند شبکه‌های عصبی مصنوعی، می‌تواند به تاثیر سیاست‌گذاری قیمتی و حتی تنظیم بازار از طریق پیش‌بینی نوسان‌های مختلف کمک کند.