اين مطالعه با هدف انتخاب الگوی مناسب برای پيش‌بينی قيمت اسمی و واقعی گوشت گاو و گوساله، گوشت گوسفند، شير و پشم گوسفند صورت گرفت. پس از بررسی ايستايی سريهای مورد استفاده، به‌منظور بررسی تصادفی بودن متغيرها، از آزمون ناپارامتريک والد- ولفويتز استفاده شد. براساس نتايج اين آزمونها، تمامی سريهای ياد شده غيرتصادفی و قابل پيش‌بينی ارزيابی شدند. الگوهای مورد استفاده برای پيش‌بينی نيز شامل الگوهای ARIMA و شبکه عصبی مصنوعی بوده است. يافته‌های مطالعه حاکی از برتری نسبی الگوی ARIMA در پيش‌بينی قيمت اسمی محصولات منتخب است. در مورد سريهای قيمت واقعی محصولات نيز روش شبکه عصبی مصنوعی برتری نسبی دارد. همچنين در مورد سريهای اسمی مشخص شد با افزايش طول دوره پيش­بينی، خطای پيش­بينی نيز بيشتر مي­شود.

  طبقه‌بندی JEL : C22 ، C32 ، C51 ، C53 ، D12 ، Q11

  کليدواژه‌ها:

  پيش‌بينی، قيمت، گوشت گاو وگوساله، گوشت گوسفند، شير، پشم، ARIMA ، شبکه عصبی مصنوعی