برآورد قیمت آتی پسته در بورس کالای کشاورزی با استفاده از الگوی هیبریدی «تبدیل موجک-گرادیان تقرب‌یافته درختی»

در طی سال‌های اخیر، بازار بورس کالای ایران همواره با نوسان‌ها و تلاطم‌های بی‌ثبات‌کننده قیمت همراه بوده است. با توجه به جایگاه مهم پسته در بورس کالای ایران و نیز لزوم به کارگیری ابزارهای مناسب برای تشخیص بهینه قیمت آتی، هدف از انجام این مطالعه، طراحی و ساخت یک مدل هیبریدی مناسب مبتنی بر گردایان تقرب‌یافته و مقایسه عملکرد آن با سایر مدل‌های یادگیری ماشین به منظور پیش‌بینی دقیق قیمت آتی پسته است. نتایج حاصل از بکارگیری تئوری موجک نشان داد که میزان خطای داده‌های قیمت کاهش یافته و داده‌ها از یک روند باثبات (نوفه سفید) برخوردار ‌شدند. همچنین نتایج حاصل از انجام اجرای شبکه کدکننده خودکار نشان داد که وقفه بهینه یک، بهترین متغیر ورودی برای پیش‌بینی قیمت آتی پسته در دوره مورد بررسی است. بر مبنای شاخص‌های نیکویی برازش، مدل پیشنهادی این مطالعه یعنی «تبدیل موجک-گرادیان تقرب‌یافته» در مقایسه با دیگر مدل‌های داده‌کاوی، دارای عملکرد بهتری در پیش‌بینی قیمت آتی پسته بود. همچنین، پیش‌بینی خارج از نمونه با مدل منتخب نشان داد که قیمت‌های جدید پیش‌بینی شده با داده‌های واقعی اختلاف کمی دارد که بیانگر کارایی و دقت مدل هیبریدی منتخب است. بنابراین، مدل پیشنهادی برای پیش‌بینی قیمت کالاهای کشاورزی توصیه شده و می‌تواند به عنوان یک شاخص اطمینان و یک ابزاری محاسباتی کارا در مدیریت ریسک برای معامله‌گران و فعالان بازار بورس کالای ایران به کار گرفته شود.

forecasting the future price of pistachio in agricultural commodity exchange using of the hybrid model of wavelet-xgboost

introduction the price issue is a key factor in the financial and commercial activity related to the agricultural sector, in such a way that the agricultural sector activists are always exposed to the risks caused by the fluctuation of the price of agricultural products. therefore, it is important and necessary to pay attention to the effective and unpredictable factors of the price of agricultural products in developing agricultural plans. the agricultural commodity exchange, like other markets, is always associated with price fluctuations, so it is necessary to use predictive models to recognize the initial events and prevent damage caused by these fluctuations the theoretical literature on price forecasting shows that data mining techniques, especially machine learning models, play an important role in increasing accurate price forecasting of agricultural products. meanwhile, xgboost models are known as one of the best supervised learning algorithms. because it is very popular among researchers as one of the most serious price prediction models due to the high speed of the model in forecasting, high flexibility, passing of missing data and ease of interpretation. pistachio is one of the most important export products of iran in the agricultural sector. considering the important position of the pistachio trading ring in the iran commodity and also the need to use appropriate tools to correctly diagnosis the future price, the purpose of this study is to design and build a suitable hybrid model based on xgboost and compare its performance with other machine learning models in order to accurately forecast the future price of pistachio.