این روزا پیشبینی قیمت پنبه واسه خیلیا مهم شده. کشاورزا، تاجرا و حتی دولتها هم دنبال اینن بدونن قیمت ماه بعدی یا حتی چند ماه آینده پنبه قراره چه شکلی بشه. چون اگه بتونی حدوداً بفهمی قیمت چی میشه، تصمیمهات خیلی دقیقتر در میاد؛ هم پولتو بهتر خرج میکنی، هم ضرر نمیکنی!
اما مشکل دقیقا همینه: بازار پنبه خیلی پر نوسانه و قیمتهاش الگوهای عجیبغریبی دارن. یعنی مدلهای سنتیِ پیشبینی مثل ARIMA (که یعنی مدل میانگین متحرک و خودبازگشتی یک روش آماری قدیمیه واسه پیشبینی سری زمانی)، بعضی وقتا اصلاً نمیتونن این بالا و پایین شدنهای غیرمنتظره رو خوب بفهمن.
حالا بریم سراغ تحقیق باحال این مقاله: اومدن بررسی کردن که دقیقترین روش برای پیشبینی قیمت ماهانه جهانی پنبه چیه. کلی مدل مختلف رو با هم مقایسه کردن. مدلهای کلاسیک مثل ARIMA، ETS (واسه سریهای زمانی تصادفی)، STL (که برای تجزیه سری زمانی استفاده میشه)، TBATS (یه مدل پیشرفته برای دادههای فصلی و پیچیده)، و Theta که یه مدل ابتکاریتره. بعدشم سراغ مدلهای جدیدتر رفتن مثل NNAR. این مدل NNAR یعنی “Neural Network Auto-Regressive” که اگه بخوام خیلی ساده بگم: یه مدل یادگیری ماشینیه که با الهام از مغز آدم کار میکنه و خودش از دادهها یاد میگیره و روندها و الگوهای غیرخطی رو میفهمه!
حالا چجوری فهمیدن کدوم مدل بهتره؟ از چندتا شاخص مهم استفاده کردن: RMSE (یعنی ریشه میانگین مربعات خطاها که معمولا هرچی کمتر باشه مدل دقیقتره)، ME (یعنی میانگین خطا)، MAE (یعنی میانگین قدرمطلق خطا)، MPE و MAPE (که به ترتیب خطا رو به صورت درصد نشون میدن). اینا همش یعنی چقدر مدل پیشبینی کرده با چیزی که واقعا اتفاق افتاده فرق داره!
نتیجه خیلی جالب شده: مدل NNAR با تنظیم «26 ورودی، 1 تاخیر و 14 نورون لایه پنهان برای دادههای ماهانه» تونسته بهترین عملکرد رو داشته باشه. شاخص RMSE این مدل 1.16، MAE ش 0.83 و درصد خطا MAPE فقط 1.19 درصد بوده! خیلی عددای خوبیان و نشون میدن مدل واقعاً دقیق پیشبینی میکنه و خطای زیادی نداره.
حتی یه قدم جلوتر رفتن و با همین مدل NNAR قیمت پنبه رو برای 30 ماه آینده پیشبینی کردن. نتیجه؟ قیمت هر پوند پنبه احتمالاً بین 0.66 تا 0.74 دلار بالا پایین میشه و انگار یه سیکل نسبتا منظم رو طی میکنه، اما هیچ روند بلندمدت خاصی توش دیده نمیشه.
حالا چرا این موضوع مهمه؟ چون مدل NNAR که یه مدل یادگیری ماشینی پیشرفتهست (یعنی مدلی که خودش با دادهها کار میکنه و نسبت به مدلهای آماری کلاسیک هوشمندتره)، خیلی بهتر از بقیه تونسته روندهای پیچیده و غیرخطی بازار پنبه رو بشناسه. این قضیه باعث میشه پیشبینیهاش خیلی قابل اعتمادتر باشه و آدمهایی که میخوان واسه آینده برنامه بریزن (چه کشاورزا، چه تاجرا چه سیاستگذارها)، خیلی راحتتر بتونن تصمیمهای درست بگیرن.
در نهایت، اگه دنبال یه نگاه دقیق و مطمئن به تغییرات قیمت جهانی پنبه هستی، این تحقیق نشون میده مدلهای جدید مثل NNAR از هر مدل قدیمی دیگهای قویتر و کاربردیترن!
منبع: +
