پیش بینی واردات برنج با روش های ARIMA و هالت وینترز- قسمت ۱۱

شایگان و دیگران (۱۳۸۴) در پژوهشی با عنوان پیش بینی میزان واردات برنج و ذرت با استفاده از روش شبکه عصبی مصنوعی که این مطالعه با هدف پیش بینی واردات برنج و ذرت، از روش شبکه عصبی و ARIMA استفاده شده و نتایج حاصل مورد مقایسه قرار گرفته است. به منظور انجام این بررسی، دادههای گمرک ایران در خصوص واردات برنج و ذرت برای سالهای ۱۳۶۰ تا ۱۳۸۳ مبنای محاسبه قرار گرفته است. نتایج مطالعه نشان دهنده آن است که روش شبکه عصبی دارای عملکرد بهتری در مقایسه با روش ARIMA است. و قادر است میزان واردات برنج و ذرت را دقیق تر پیش بینی کند.
عمرانی و بخشوده (۱۳۸۴) قدرت پیشبینی روشهای مختلف مانند میانگین متحرک، هموار سازی نمایی یگانه و دوگانه و روش ARIMA را در برآورد قیمت محصولات کشاورزی مورد بررسی قرار دادند.
نجفی و همکاران(۱۳۸۵) در مطالعهای اقدام به پیشبینی میزان صادرات پستهی ایران بر اساس دادههای سالهای ۱۳۰۴ تا ۱۳۸۲ با استفاده از روشهای ARIMA و شبکهی عصبی مصنوعی کردند. نتایج این مطالعه نشان داد که شبکهی عصبی پیشخور در مقایسه با سایر شبکههای عصبی و مدل ARIMA عملکرد بهتری در پیش بینی میزان صادرات پسته در ایران دارد.
بیات کشکولی و همکاران۱۳۸۶) با استفاده از روش روند و معادله رگرسیونی به نخمین روند آینده صادرات و واردات چوب و محصولات چوبی در ایران پرداختند. یافتههای محققان نشان می دهد که دادههای پیشبینی حتی با توجه به زیاد بودن در صد خطا اکثر دادهها به خاطر مناسب بودن میانگین انحراف و مطلق برخی از آنها و ضریب تبیین معادلات قابل استناد میباشد و پیشبینی با روش روند دقت بیشتری دارد، همچنین روند میزان و مبلغ پیشبینی شده برای اکثر گروههای چوبی در سال های آینده افزایشی میباشد، مانند کل واردات و صادرات چوب و محصولات چوبی و چوب.
فخرایی (۱۳۸۶از تکنیک شبکههای عصبی و همچنین الگوهای ساختاری و سریهای زمانی بهمنظور پیشبینی تقاضای آب در شهر تهران استفاده نمود. مقایسه نتایج پیشبینی حاصل از شبکه عصبی با سایر روشهای پیشبینی انجام شده در این مطالعه نشان می دهد که شبکه عصبی بر حسب معیار های مختلف (MSE،RMSE ،MAE و MAPE) عملکرد بهتری در زمینهی پیشبینی تقاضای آب نسبت به الگو های ساختاری و سریزمانی داشته است.
پریزن و اسماعیلی (۱۳۸۷)در پژوهشی برروی مقایسه روشهای کمی در پیشبینی واردات ادویهجات دریافتند که واردات زردچوبه تصادفی و پیش-بینیناپذیر است. بعلاوه مقایسه روشهای مختلف آشکار می سازد که در پیشبینی واردات دارچین و هل روش ARIMA برتری دارد. همچنین نتایج نشان میدهد که واردات دارچین نوسانهای بیشتری نسبت به هل دارد.
فرج زاده و شاه ولی (۱۳۸۷در پژوهش خود بر روی پیشبینی قیمت پنبه و برنج وزعفران به این نتیجه رسیدند که براساس کمترین معیار خطای پیشبینی، الگوی ARIMA سریهای قیمت اسمی برنج و زعفران را بهتر از سایر روشها پیشبینی میکند. بهترین روش پیشبینی برای سریهای قیمت اسمی و واقعی پنبه نیز به ترتیب با استفاده از الگوی شبکه عصبی مصنوعی و هار مونیک به دست آمد.
طیبی (۱۳۸۸) پژوهش خود را با عنوان پیشبینی قیمت تخم مرغ در ایران: مقایسه روشهای ARCH و شبکههای عصبی مصنوعی که در این تحقیق‌ قیمت تخم مرغ برای‌ افقهای زمانی یک ماهه،شش ماهه و دوازده ماهه پیش‌بینی گردید. داده‌های مورد استفاده شامل متغیر قیمت تخم‌مرغ و دوره مورد مطالعه شامل‌ سالهای ۱۳۷۱-۸۵ است. در این راستا این فرضیه‌ که شبکه عصبی مصنوعی در پیش‌بینی قیمت تخم‌مرغ کارایی بیشتری از روش ARCH دارد بررسی شد. نتایج نشان می‌دهد که شبکه‌های عصبی مصنوعی در بیشتر افقهای‌ زمانی پیش‌بینی‌های دقیقتری در مقایسه با روش ARCH ارائه می‌کند؛ازاین‌رو استفاده از روشهای پیش‌بینی قیمتی که عمدتا متکی بر شبکه‌های عصبی مصنوعی است می‌تواند به تأثیر سیاست‌گذاری قیمتی و حتی تنظیم بازار از طریق پیش‌بینی نوسانهای مختلف کمک کند.
اسماعیل پور( ۱۳۸۸) پژوهش خود با عنوان پیش بینی قیمت تخم مرغ با روشهای ARIMA ، شبکه عصبی مصنوعی و هالت وینترز که در این پژوهش قیمت تخم مرغ با بهصورت ماهانه پیش بینی شد. بر اساس نتایج پژوهش که از دادههای سری زمانی ازفروردین ۸۰ تا پایان اسفند ۸۷ استفاده کرده بود. و پیش بینی با روش شبکه عصبی مصنوعی به واقعیت نزدیکتر است و نسبت به دو روش دیگر برتری داشت.
دشتی (۱۳۸۹ ) پژوهش خود را با عنوان پیش بینی قیمت گوشت مرغ و تخم مرغ با استفاده از شبکه عصبی مصنوعی در ایران که در این مطالعه با هدف پیش بینی قیمت اسمی و واقعی گوشت مرغ و تخم مرغ طی دوره ۱۳۴۶ تا ۱۳۸۴ انجام شده است .پس از بررسی ایستایی سر یهای مورد استفاده برای بررسی تصادفی بودن متغیرها از دو آزمون ناپارامتریک والد- ولفویتز و پارامتریک دوربین- واتسون استفاده شد. براساس نتایج این آزمون ها، تمام سری قیمت اسمی و واقعی محصولات یاد شده به عنوان سری های غیرتصادفی و و ARIMA قابل پیشبینی ارزیابی شدند. الگوهای مورد استفاده برای پیشبینی شامل الگوهای ARIMA شبکه عصبی مصنوعی می باشد. یافته های مطالعه نشان دهنده برتری کامل الگوی پیشبینی قیمت اسمی محصولات منتخب است. درخصوص سریهای قیمت

دانلود متن کامل پایان نامه در سایت jemo.ir موجود است

واقعی محصولات نیز روش شبکه عصبی مصنوعی برتری نسبی داشت. اما با وجود این مشخص شدکه در مورد سریهای واقعی منتخب بهتر است که از هر دو روش به صورت همزمان استفاده شو د.
ب) تحقیقات انجام شده در خارج کشور
بسلر[۳۸](۱۹۸۰) به مقایسه میان توزیع ذهنی برآورد شده توسط کشاورزان از عملکرد محصول و مدلهای پیشبینی در ایالت کالیفرنیا بهطور توام پرداخت. نتایج مطالعه وی نشان داد که در زمینه برآورد میانگین سری مدل ARIMA با نتایج براورد شده کشاورزان سازگاری بیشتری دارد.
مک کیور[۳۹] (۱۹۸۴او در گزارش خود اطلاعات آماری تولید، مصرف و تجا رت خارجی محصولات جنگلی امریکا را بهصورت جدول و گراف جمعآوری کرد و بهوسیله آنها به بررسی حرکت اقتصادی چوب از جنگلهای ملی تا مصرف کننده در امریکا پرداخته است.
وو و لو[۴۰] (۱۹۹۳نشان دادند که برای پیشبینی کوتاهمدت قیمت سهام آمریکا شبکه عصبی مصنوعی در مقایسه با روش ARIMA عملکرد بهتری دارد، اما در بلندمدت فرآیندARIMA دقت پیشبینی بهتری دارد.
صبور و ارشاد الحق (۱۹۹۳) نوسانهای روندزمانی، فصلی و سیکلی قیمتهای عمدهفروشی در بنگلادش را با استفاده از مدل ARIMA و هارمونیک برای پیشبینی قیمتهای آینده مورد استفاده قرار دادند. از میان روشهای معمول موجود برای پیشبینی سریهای زمانی، مدل ARIMA از کاربرد گستردهتری برخوردار بوده است.
کورک وکوران[۴۱] (۱۹۹۶عنوان کردند در انگلیس روشهای اقتصادسنجی بهتر از شبکه عصبی مخارج مصرفکنندگان را پیشبینی میکند.
خالو زاد و همکاران (۲۰۰۱برای پیشبینی شاخص قیمت سهام بورس تهران، مدل شبکه عصبی توانایی بیشتری در پیشبینی بلند مدت دارد.
هتماکی و اوبراشتینر[۴۲] (۲۰۰۲) از داده‌های سالیانه ۱۹۷۱ تا ۲۰۰۰ ، جهت پیش‌بینی تابع تقاضای کاغذ روزنامه در آمریکا تا سال ۲۰۲۰ استفاده نمودند. بررسی کنندگان، از سه مدل مختلف جهت پیش‌بینی‌های بلند مدت شامل مدل کلاسیک، مدل بیزین و مدل تکمنظوره ( ad hoc) بهره بردند. مدل کلاسک در ارایه توضیح و پیشبینی تغییرات ساختاری ناتوان بوده و لاجرم بایستی از مدلهای دیگر استفاده نمود. در مدل بیزین نظرات کارشناسان صنعتی درباره تقاضای آتی برای محصول مورد مطالعه در پیشبینی گنجانده شده و در مدل تک منظوره تقاضا برای کاغذ روزنامه بهعنوان تابعی از تغیرات در گردش آن در نظر گرفته میشود. نتایج حاصله، تغییرات ساختاری در الگوی مصرف کاغذ روزنامه را از اواخر دهه‌ی ۱۹۸۰ نشان میدهد بهطوریکه کشش درآمدی از سال ۱۹۸۷ منفی شد، که نشان روشنی از این موضوع است. این مساله اشاره دارد که مردم، روزنامه‌ی کمتری را مطالعه می‌کنند در حالی که میزان استفاده از رسانه‌های الکترونیکی به خصوص اینترنت افزایش یافته است. در نهایت نتیجه‌گیری کلی نشان می‌دهد که تقاضا برای کاغذ روزنامه در ۲۰ سال آینده رو به کاهش است.
هتماکی و میکلا [۴۳](۲۰۰۵)به پیشبینی میزان تقاضا برای واردات کاغذ چاپ و تحریر اندود شده به کشور آلمان پرداختند. نامبردگان برای این منظور از مدلهای سریزمانی تک متغیره، مدلهای تک معادلهای اقتصادسنجی و مدلهای سیستمی چند متغیره استفاده نمودند. دادههای مورد استفاده در طی دوره ۱۹۹۱ تا ۲۰۰۱ بوده و مشاهدهها طی بازه زمانی ۲۰۰۱ تا ۲۰۰۲ برای ارزیابی عملکرد پیشبینی خارج از نمونه مورد استفاده قرار می گیرند. پیشبینی با استفاده از ترکیبات وزنی مختلفی از مدلهای پیشبینی انفرادی انجام میگیرد. نتایج بیان میکند صحت پیشبینیها زمانیکه فرد از الگوهای سری زمانی یک متغیره به الگوهای اقتصاد سنجی حرکت میکند افزایش مییابد. بهترین مدل پیشبینی تکی بر اساس معیار RMSE مدل VARX در حالتهای مختلف میباشد. با ترکیب بهینه مدلهای انفرادی پیشبینی فرد میتواند حتی پیشبینیهای دقیقتری انجام دهد.
ادیگر و اکبر[۴۴] (۲۰۰۷) با استفاده از روش ARIMA تقاضای نفت در ترکیه را پیشبینی نمودند.
چو و همکاران[۴۵](۲۰۰۸) حجم واردات کشور تایوان را با استفاده از مدلهای رگرسیونی پیشبینی نمودند.
۲-۱۵ نتیجهگیری از ادبیات پژوهش
با توجه به پژوهشهای انجام شده در زمینه پیشبینی متغیرهای مختلف اقتصادی بهوسیله روشهای کمی مختلف پیشبینی برای پیشبینیهای کوتاه مدت اکثرا روشهای پیشبینی ARIMA بهتر از سایر روش ها عمل کرده است. وبرای پیشبینیهای بلندمدت روشهای شبکه عصبی مصنوعی بهتر عمل کرده است.
فصل سوم
روش شناسی پژوهش
۳-۱ مقدمه
پژوهش[۴۶] را میتوان یک فعالیت سیستماتیک تعریف کرد که به کشف و پروراندن مجموعهای از دانش سازمانیافته معطوف است. بهعبارت دیگر پژوهش عبارت از تحلیل و ثبت عینی و سیستماتیک کنترل شده که ممکن است به پروراندن قوانین کلی، اصول یا نظریهها بیانجامد و منجر به پیشبینی یا احتمالاً کنترل نهایی رویدادها شود. شناخت علمی، شناختی است که هم با استدلال و هم با تجربه (مشاهده) قابل اثبات باشد. اعتبار منطقی و تأیید تجربی ملاکهایی هستند که در ارزیابی ادعاهای علمی به
کار گرفته میشوند. فرآیند پژوهش متشکل از مراحل: مسأله، فرضیه، طرح پژوهش، اندازهگیری، جمعآوری دادهها، تجزیه و تحلیل دادهها و تعمیم است. بنابراین پزوهش را میتوان کوششهای سازمانیافتهای تلقی کرد که پژوهشگر را در روشن سازی حقیقت یک موضوع یاری میدهند. روش شناسایی پژوهش ابزار لازم را در اختیار پژوهشگر قرار میدهد تا با مطالعهی علمی به یافتههای علمی دست پیدا کند (ازکیا،۱۳۸۲: ۵۶). روشهای پژوهش در واقع ابزار دستیابی بهشمار میروند. روشهای پژوهش متعددند و هر روشی تا اندازهای به کشف قوانین علمی کمک میکند. (ایرانی و بختیاری،۱۳۸۲: ۷۲) هر روش پژوهش بر اساس ماهیت موضوع مناسبت و گاهی ضرورت پیدا میکند.
پایه هر علمی، روش شناخت آن است واعتبار ارزش قوانین هرعلمی به روش شناختی مبتنی است که درآن علم به کار میرود (خاکی، ۱۳۸۷: ۴۳).
در این فصل روش اجرای پژوهش، نوع پژوهش، قلمرومکانی و ابزار گردآوری دادههای پژوهش ارائه شده است. در این پژوهش محصول مورد مطالعه انواع برنج است. داده های لازم از این محصولات طی دوره زمانی ۱۳۹۱-۱۳۶۰ بهصورت سالانه شامل ارزش واردات بهصورت [۴۷]FOB از سالنامههای آمار بازرگانی خارجی جمهوری اسلامی طی سالهای مختلف گردآوری شدهاست. جهت انجام پیشبینی از نرم افزارEviews استفاده میگردد که از نرمافزارهای کارا در اقتصادسنجی است.
۳-۲ روش پژوهش
پژوهشها را بر اساس معیار و مبناهای مختلفی دستهبندی میکنند که یکی از طبقهبندیها بر مبنای دو معیار هدف و روش اجرا است. پژوهش حاضر از نظر هدف، از نوع کاربردی است. هدف پژوهشهای کاربردی توسعه دانش کاربردی در یک زمینه خاص است. به عبارت دیگر پژوهشهای کاربردی به سمت کاربرد علمی دانش هدایت میشوند (سرمدی و دیگران، ۱۳۸۳: ۵۲). درعین حال این پژوهش از نظر روش اجرا از نوع علّی است.
۳-۳ ابزارهای گردآوری دادهها
در پژوهش حاضر ارزش واردات برنج بهصورت FOB از سال ۱۳۶۰ تا سال ۱۳۹۱ به هزارریال در قیمت پایه سال ۱۳۸۴ از سالنامههای آمار بازرگانی خارجی ایران گردآوری شده است.
۳-۴ روش تحلیل دادهها
برای تحلیل دادهها ابتدا دادههای گردآوری شده از سالنامههای آمار بازرگانی جمهوری اسلامی ایران با آزمون تصادفی بودن والد-ولفویتز[۴۸] بررسی میشود. سپس با آزمون دیکی فولر[۴۹] و دیکی فولر تعمیم یافته[۵۰] پایایی آنها بررسی میشود. پس از پایا کردن سریهای زمانی برای تحلیل دادهها جهت انجام پیشبینی با روشهای رگرسیونی و غیررگرسیونی با استفاده از نرم افزار[۵۱]Eviews6 انجام میشود.
۳-۵ انواع روشهای پیشبینی
روشهای پیشبینی در قالب روشهای کمی و روشهای کیفی قرار دارند. روشهای پیشبینی کیفی در بردارنده تخمین ذهنی از طریق عقاید متخصصیناند، در حالیکه در روشهای پیشبینی کمی، منطق پیشبینی به روشنی بیان میشود بدین معنی که در این روشها، دادههای مربوط به گذشته با هدف پیشبینی ارزش آتی متغیر مورد نظر، با استفاده از روشهای آماری و ریاضی تحلیل میشوند. در حالت کلی میتوان روشهای کمی را به دو گروه رگرسیونی و غیررگرسیونی تقسیم کرد. روشهای غیررگرسیونی شامل روش میانگین ساده، میانگین متحرک و انواع روشهای هموارسازی نمایی است. روشهای رگرسیونی نیز به دو گروه علی و تک متغیره تقسیمبندی میشوند. از جمله روشهای علی میتوان به مدل آرچ(ARCH) و گارچ (GARCH) اشاره کرد. روشهای رگرسیونی تک متغیره نیز شامل هارمونیک و فرآیند ARMA و ARIMA هستند، مدلهای پیشبینی تکمتغیره (سریزمانی) به دلیل وجود اطلاعات تاریخی در بسیاری از زمینهها قابل استفاده هستند (شکل۳-۱).
شکل (۳-۱) انواع روشهای پیشبینی
در پژوهش حاضر به دلیل توانایی بالای روشهای کمی در پیشبینی ارزش واردات محصول مورد بررسی، این روشها شامل روشهای رگرسیونی (ARMA و ARIMA) و غیر رگرسیونی (هالت وینترز) برای پیشبینی ارزش واردات برنج برای ۵ سال آینده بکار میروند. و نهایتا با استفاده از بهترین روش، پیشبینی صورت میپذیرید. قبل از انجام آزمایش باید دید آیا متغیر مورد نظر پیشبینی پذیر است یا خیر. یک متغیر زمانی پیشبینی پذیر است که دارای توزیع غیرتصادفی باشد. یرای این منظور از آزمون تصادفی بودن دادها استفاده میشود. برای آزمون تصادفی بودن دادهها روشهای زیادی وجود دارد که اکثر آنها ناپارامتریک هستند. در این پژوهش از روش والد-ولفویتز که یک روش ناپارامتریک است استفاده شده است.
۳-۶ روشهای کمی پیشبینی
در این مطالعه،از بین روشهای غیررگرسیونی روش هموارسازی نمایی و نیز از بین روشهای رگرسیونی، فرآیند ARMA و ARIMA مورد بررسی قرار میگیرد. از اینرو در مطالعه حاضر با بهرهگیری از دو روش ARMA یا ARIMA و هالت- وینترز، میزان واردات محصول مورد مطالعه طی ۵ سال آینده پیشبینی و برآورد میشود.