پيش‌بيني قيمت تخم‌مرغ با استفاده از ARIMA شبكه عصبي مصنوعي و هموارسازي هالت-وينترز

Forecasting Price of Egg with Holt-Winters Smoothing, Box-Jenkins (ARIMA) and Artificial Neural Network

يكي از مشكلات مهم تنظيم بازار داخلي عدم پيش‌بيني مناسب قيمت‌هاي آتي بازار است كه باعث مي‌شود دولت نتواند سياست منسجمي براي كنترل نوسانات بازار اتخاذ كند.بر اين اساس،‌پيش‌بيني قيمت كالاها در تنظيم بازار اهميت ويژه‌اي دارد.اما مهمترين نكته اين است كه كدام يك از روش‌هاي پيش‌بيني مي‌تواند در اعمال تصميم بهينه به مديران و تصميم‌گيرندگان بخش‌هاي اقتصادي و بازرگاني كمك كند. بنابراين در اين مقاله با استفاده از سه روش هموارسازي هالت-وينترز، ARIMAو شبكه عصبي مصنوعي قيمت ماهانه تخم‌مرغ پيش‌بيني مي‌شود. بر اساس نتايج، از بين اين سه روش پيش بيني نتايج حاصله از روش شبكه عصبي به واقعيت نزديكتر است و مي‌تواند در ارايه تصميم‌هاي مناسب سياست‌گذاران را ياري دهد.

Chicken meat and egg prices flactuate, monthly even though the price of this commodities have been called the most reasonably priced among all agricultural commodities. Therefore, predicting the price of this commodities is an important problem in order to avoid risk and stabilize prices. The purpose of this study is to clarify price forecasting and discuss the methods of forecasting egg price. In present paper, three techniques namely Holt-Winters smoothing, Box-Jenkins (ARIMA) and artificial neural network (ANN) are utilized to forecast egg monthly retail price. Findings are that artificial neural network model is more useful predictor than the other models.