لیلی بیاری

پیش بینی دقیق قیمت طیور و فرآورده های آن از طریق توجه به کاهش نوسانات باعث تخصیص بهینه ی منابع، افزایش کارایی و سرانجام افزایش درآمد مرغداران می شود. با توجه به اهمیت پیش بینی قیمت گوشت مرغ، در این تحقیق قیمت این محصول با استفاده از روش های هم جمعی ARDL، جوهانسون- جوسیلیوس و روش شبکه های عصبی مصنوعی برای افق های زمانی یک ماهه، شش ماهه و دوازده ماهه پیش بینی شد و این فرضیه که شبکه ی عصبی مصنوعی در پیش بینی قیمت گوشت مرغ از کارایی بیش تری نسبت به دیگر مدل های اقتصادسنجی برخوردار است، بررسی شد. داده های مربوط به متغیرهای تاثیرگذار بر قیمت گوشت مرغ برای دوره ی زمانی فروردین ماه 1371 تا بهمن ماه 1384 از شرکت پشتیبانی امور دام کشور جمع آوری شده است که از داده های فروردین 1371 تا بهمن 1384 برای تخمین مدل ها و آموزش شبکه ی عصبی و از مابقی داده ها (اسفند 1384 تا بهمن 1385) برای بررسی قدرت پیش بینی مدل های مختلف استفاده شده است. نتایج به دست آمده حاکی از آن بود که روند پیش بینی شده به وسیله ی شبکه ی عصبی المان سه لایه با هشت نرون در لایه ی ورودی، سه نرون در لایه ی مخفی و تابع فعال سازی زیگموییدی (برای افق زمانی دوازده ماهه) و شبکه ی المان سه لایه شامل هشت نرون ورودی و هفت نرون در لایه ی مخفی با تابع فعال سازی تانژانت هیپربولیک (برای افق زمانی یک ماهه) از کارایی بیش تری در کمینه کردن خطای پیش بینی، نسبت به روش های هم جمعی، برخوردارند؛ اما در افق زمانی شش ماهه، مدل ARDL دقیق تر از شبکه ی عصبی المان عمل می کند. از این دیدگاه، استفاده از روش نوین پیش بینی قیمت همانند شبکه های عصبی مصنوعی، می تواند به تاثیر سیاست گذاری قیمتی و حتی تنظیم بازار از طریق پیش بینی نوسان های مختلف کمک کند.