الگوسازی و پیشبینی قیمت ماهانه محصولات و نهادههای منتخب بازار دام و طیور در استان آذربایجانشرقی :کاربرد تکنیکهای سری زمانی فصلی
Parallel Title Proper
Modeling and forecasting the monthly prices of selected products and inputs of livestock and poultry market in East Azarbaijan province: application of seasonal time series techniques
First Statement of Responsibility
/فرزانه تقوی
.PUBLICATION, DISTRIBUTION, ETC
Name of Publisher, Distributor, etc.
: کشاورزی
Date of Publication, Distribution, etc.
، ۱۳۹۵
Name of Manufacturer
، میرزائی
PHYSICAL DESCRIPTION
Specific Material Designation and Extent of Item
۸۴ص
NOTES PERTAINING TO PUBLICATION, DISTRIBUTION, ETC.
Text of Note
چاپی - الکترونیکی
DISSERTATION (THESIS) NOTE
Dissertation or thesis details and type of degree
کارشناسی ارشد
Discipline of degree
مهندسی کشاورزی- سیاست و توسعه کشاورزی
Date of degree
۱۳۹۵/۱۱/۱۸
Body granting the degree
تبریز
SUMMARY OR ABSTRACT
Text of Note
در مطالعه حاضر، الگوسازی و پیشصبینی ماهانهصی قیمت متغیرهای مورد مطالعه، شامل قیمت گوشت مرغ، گوشت گوساله، گوشت گوسفند، کنجاله سویا، ذرت و علوفه در استان آذربایجانصشرقی با استفاده از دادهصهای ماهانهصی قیمت طی سالصهای۱۳۷۷ - ۹۴با در نظر گرفتن رفتار فصلی و غیرفصلی متغیرها مورد بررسی قرار گرفت .بدین منظور از تکنیکصهای سری زمانی فصلی و غیرفصلی بهره گرفته شد .بررسی ظاهری و نموداری سریصهای قیمت بیانگر وجود مؤلفهصهای روند و فصلی در آنصها بود .جهت الگوسازی رفتار فصلی سریصهای قیمت، ابتدا با استفاده از الگوی خودتوضیحی دورهصای [[PAR(p) وجود رفتار دورهصای توسط آزمون LR بسویچ و فرانسس مورد سنجش قرار گرفت که نتایج حکایت از عدم وجود رفتار دورهصای در سریصهای قیمت بود .در نتیجه جهت تدوین رفتار فصلی این سریصها از مدلصهای جمعیصفصلی استفاده گردید .در این خصوص آزمون ریشه واحد فصلی ماهانه با در نظر گرفتن متغیرهای تغییر ساختاری برای سریصهای قیمت صورت گرفت که نتایج مؤید وجود ریشه واحد در فراوانی صفر برای تمامی سریصهای قیمت و وجود ریشهصی واحد فصلی در فراوانی و برای متغیرهای قیمت گوشت مرغ و کنجاله سویا و ریشهصی واحد فصلی در فراوانی برای متغیر قیمت ماهانه ذرت شناسایی گردید .پس از ایستاسازی این متغیرها با فیلتر تفاضلصگیری مناسب آنصها اقدام به برآورد الگوی جمعی فصلی (SI) برای سریصهای قیمت گوشت مرغ، ذرت و کنجاله سویا گردید تا از طریق آن بتوان مقادیر آتی این سریصهای قیمت را پیشصبینی نمود .علاوه بر مدلSI ، رفتار فصلی این سریصهای قیمت توسط رهیافت باکس- جنکینز فصلی به عنوان یک الگوی کاندیدا الگوسازی گردید که برای قیمت گوشت مرغ مدل باکس- جنکینز فصلی (۲,۱,۱)(۱,۱,۰,۱۲) ARIMA برای سری ذرت مدل باکس جنکینز فصلیARIMA (۰,۱,۱)(۰,۱,۱,۱۲) ص و برای سری کنجاله سویا مدل باکس جنکینز فصلی ARIMA (۲,۱,۲)(۰,۱,۱,۱۲) به عنوان مدل مناسب تشخیص داده شد و با استفاده از این مدلها مقادیر آتی قیمتها برای این سریهای قیمت پیشبینی گردید .از آنجا که سری قیمت گوشت گوسفند، گوساله و نهادهصهای علوفهصای دارای رفتار فصلی معنیصدار نبوده لذا از مدلصهای غیرفصلی مانند ARIMA جهت الگوسازی و پیشصبینی مقادیر آتی آنصها بهره گرفته شد .نتایج مؤید آن بود که برای سری قیمت گوشت گوساله و سری قیمت گوشت گوسفند مدل ARIMA (۱,۱,۱) و برای سری قیمت علوفه مدل ARIMA (۰,۱,۱) به عنوان مدل مناسب انتخاب شدهاند .از آنجا که مدلصهای SI و SARIMA به عنوان مدلصهای رقیب جهت پیشصبینی آتی متغیرهای قیمت گوشت مرغ، ذرت و کنجاله سویا مطرح بود، اقدام به پیشصبینی خارج از نمونه برای افقصهای پیشصبینی یک گام، دو گام، چهار گام، شش گام و هشت گام رو به جلو صورت گرفت و خطای پیشصبینی و در نهایت معیارهایRMSE ، MAE و MAPE برای هر ۵ گام پیشصبینی صورت گرفت .نتایج حاکی از آن است که مدلصهای SARIMA دارای حداقل این معیارهای خطای پیشصبینی است و به عنوان مدل مناسب جهت پیشصبینی مقادیر آتی متغیرهای قیمت گوشت مرغ، ذرت و کنجاله سویا انتخاب گردید .در نهایت پیشصبینی مقادیر آتی قیمتصهای گوشت گوسفند، گوشت گوساله و علوفه توسط مدلصهای ARIMA و پیش-بینی مقادیر آتی قیمتصهای گوشت مرغ و ذرت و کنجاله سویا توسط مدلصهای SARIMA برای سال ۱۳۹۵ انجام شد .مقادیر پیشصبینی شده با مقادیر واقعی سال ۱۳۹۵ مقایسه گردید و ملاحظه شد که مقدار معیار MAPE کمصتر از ۶ درصد است که نشان از خوبی مدلصهای تدوین شده برای بررسی رفتار سریصهای قیمت مورد نظر دارد .نتایج حاصل از این مدل و پیشصبینی قیمت محصولات دام و طیور و همچنین نهادهصهای مورد نظر میصتواند نقش مؤثری در مدیریت ریسک قیمت و همچنین اتخاذ سیاستصهای مناسب در اقتصاد این بخش داشته باشد .یکی از ابزارهای تنظیم بازار گوشت اطلاعات وضعیت آتی بازارهاست تا بتوان به موقع تصمیم گیریهای لازم را انجام داد .لذا نتایج این مطالعه میتواند ابزار کاربردی در اختیار وزارت جهاد کشاورزی جهت پیشبینی وضعیت آتی قیمتها فراهم نماید تا از طریق آنها بتواند تنظیم بازار قیمت گوشت مرغ و به تبع آن تثبیت قیمت را فراهم آورد .همچنین، به تولیدکنندگان گوشت مرغ و گوشت قرمز این امکان را میدهد که با پیشبینی وضعیت آتی قیمتها برنامهریزی تولید خود را صحیحصتر و آگاهانهصتر انجام دهند
Text of Note
In the present study, modeling and monthly forecasting of the studied variables including the prices of chicken, beef, lamb, soybean, corn and forage in East Azarbaijan province using monthly price data during the years 1998- 2016 were studied considering seasonal and non-seasonal behavior of variables. In this context, seasonal and non-seasonal time series techniques were used. The apparent and graphical review of the price series indicated that there were trend and seasonal components in them. In order to model the seasonal behavior of price series, firstly, by using the periodic autoregressive model [PAR (p)], the existence of periodic behavior was measured by the LR test. The results indicate that there is no periodic behavior in the price series. As a result, the seasonal integration models were used to elaborate the seasonal behavior of these series. In this regard, the monthly seasonal unit root test was taken considering the structural changes variables for the price series, which confirmed the existence of a unit root in the frequency of zero for all price series and the existence of a unit root in a frequency of /3 and /6 for chicken and soybean prices and seasonal unit roots were identified in the frequency of /6 for the monthly corn variable. After stationary these variables with the suitable differentiation filters, the seasonal integration model (SI) for chicken, corn, soybean price series were estimated to predict the future price series. In addition to the SI model, the seasonal behavior of these price series was modeled by the Box-Jenkins seasonal approach as a candidate model. For chicken price the seasonal Box-Jenkins ARIMA(2,1,1)(1,1,0,12), for the corn series ARMIA(0,1,1)(0,1,1,12) and for soybean price series ARIMA(2,1,2)(0,1,1,12) the seasonal box-Jenkins was identified as the appropriate model. And using these models, the future values of prices for these price series were predicted. Because the lamb, beef and forage price series didnt have effective seasonal behavior so non-seasonal models like ARIMA is used to model and predict future values. The results confirmed that for the beef and lamb price series ARIMA(1,1,1) and for the forage price series the ARIMA(0,1,1) were selected as the appropriate model. Since the SI and SARIMA models were considered as competing models for future prediction of the price variables of chicken, corn and soybean, it was proposed to predict outside the sample for one-step forecast horizons, two steps, four steps, six steps and eight steps forward have done. At last, prediction error, and finally the RMSE, MAE, and MAPE have done for each of the five steps. The results indicate that SARIMA models have the least errors of these predictive error criteria and have been selected as the appropriate model for predicting future values of chicken, corn and soybean prices. Finally, prediction of future values of lamb, beef and forage prices have done by ARIMA models and prediction of future prices for chicken, corn and soybean by SARIMA models for the year 2016-2017. Estimated values were compared with the actual values of 2016 -2017, and it was found that the MAPE value is less than 6 , which indicates the goodness of the developed models for examining the behavior of the price series. The results of this model and the prediction of the price of livestock and poultry products as well as the inputs can have an effective role in price risk management and also adopt appropriate policies in this sector of economy. One of the tools for modify the meat market is the future status of the markets so that timely decisions can be taken. Therefore, the results of this study can provide the practical tools for the Agricultural Ministry to predict the future price situation, through which they can adjust the market price of chicken and consequently, fix the price. It also allows chicken and meat producers to plan their production more accurately and intelligently with the prediction of future prices
PARALLEL TITLE PROPER
Parallel Title
Modeling and forecasting the monthly prices of selected products and inputs of livestock and poultry market in East Azarbaijan province: application of seasonal time series techniques