این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
اقتصاد کشاورزی و توسعه، جلد ۱۷، شماره ۶۷، صفحات ۴۳-۷۲
عنوان فارسی پیش‌بینی قیمت محصولات کشاورزی مطالعه موردی پنبه و برنج و زعفران
چکیده فارسی مقاله این مطالعه با هدف پیش­بینی قیمت اسمی و واقعی محصولات کشاورزی شامل پنبه و زعفران و برنج برای دوره 1350-84 صورت گرفت. پس از بررسی ایستایی سریها، تصادفی بودن متغیرها با استفاده از دو آزمون ناپارامتریک والد-ولفویتز و پارامتریک دوربین-واتسون بررسی شد. براساس نتایج این آزمونها، تمامی سریهای قیمت اسمی محصولات یاد شده و همچنین سری قیمت واقعی پنبه به عنوان سریهای غیرتصادفی و قابل پیش ­ بینی ارزیابی شدند. الگوهای مورد استفاده برای پیش­بینی شامل ARIMA ، تعدیل نمایی یگانه، تعدیل نمایی دوگانه، هارمونیک، ARCH و الگوی شبکه عصبی مصنوعی است. بر اساس معیار کمترین خطای پیش­بینی، الگوی ARIMA سریهای قیمت اسمی برنج و زعفران را بهتر از سایر روشها پیش­بینی کرد. بهترین پیش­بینی برای سریهای قیمت اسمی و واقعی پنبه نیز به ترتیب با استفاده از الگوهای شبکه عصبی مصنوعی و هارمونیک به دست آمد. مقادیر خطای پیش­بینی حداقل برای هر یک از سریهای اسمی قیمت پنبه، برنج و زعفران و همچنین قیمت واقعی پنبه به ترتیب برابر با 08/30، 14/11، 46/4 و 78/14 درصد محاسبه شد. طبقه‌بندی JEL : C22 ، C32 ، C51 ، C53 ، D12 ، Q11
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Forecasting agricultural crops prices: case study of cotton, rice and saffron
چکیده انگلیسی مقاله The aim of this study was to forecast nominal and real price of some agricultural crops including Cotton, Saffron and Rice. Initially the stationary of the series was tested, then in order to investigate whether series are stochastic, nonparametric test of Vald-Wulfowitz and parametric test of Durbin-Watson were applied. Based on the tests results, all of the selected nominal crops prices and real price of Cotton were found non stochastic and predictable. The study period covers 1971-2005. Models applied to forecast are ARIMA, Single and Double Exponential Smoothing, Harmonic, ARCH and Artificial Neural Network. Based on the lowest forecasting error criterion, ARIMA forecasted nominal prices of Saffron and Rice with lowest forecasting error. In the case of nominal and real price of Cotton prediction of the lowest forecasting error belongs to Artificial Neural Network and Harmonic models respectively. The lowest forecasting errors for nominal prices of Cotton, Rice and Saffron as well as of the real price of Cotton are 30.08, 11.14, 4.46 and 14.78 percent respectively. JEL Classification: C22، C32، C51، C53، D12، Q11
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله زکریا فرج زاده |


ارکیده شاه ولی |


نشانی اینترنتی http://aead.agri-peri.ir/browse.php?a_code=A-10-24-156&slc_lang=fa&sid=fa
فایل مقاله دریافت فایل مقاله
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده تخصصی
نوع مقاله منتشر شده کاربردی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات