کاربرد رهیافت شبکه عصبی در پیش‌بینی قیمت کنجاله سویا در بورس کالای ایران

وابستگی روزافزون صنعت دام و طیور کشور به کنجاله سویا، موجب شده است تا هرگونه نوسان قیمت این محصول از نگاه فعالان بازار آن به دقت و حساسیت پی گیری شود. این نوسان ها در برخی مقاطع، دغدغه‌ها و نگرانی‌های جدی در خصوص وضعیت تامین کنجاله سویا و قیمت آن به وجود آورده است.به منظور دست‌یابی به پیش‌بینی‌های بهتر در بازار بورس کنجاله سویا، قواعد موجود در آن شناسایی شود. در این مطالعه با استفاده از داده‌های قیمت ماهانه و هفتگی کنجاله سویا در بازار بورس، ضمن بررسی جایگاه کنجاله سویا در معاملات بورس کالا، قیمت کنجاله سویا با رهیافت شبکه عصبی مبتنی بر الگوریتم gmdh  پیش‌بینی و نتایج با پیش‌بینی‌های مدل خودرگرسیو میانگین متحرک مقایسه می گردد. نتایج نشان می‌دهد الگوریتم شبکه عصبیgmdh، توانایی و دقت بالاتری در پیش‌بینی قیمت نسبت به روش خودرگرسیو میانگین متحرک داشته است. 

The Application of GMDH Neural Network Approachin Forecasting the Price of Soybean Meal in Merchendis Stock Exchange

AbstractLivestock and poultry industry has depended much on soybean meal. This dependence has led to fluctuations in the price of this product and therefore, forces market participants to follow the sensitivity and accuracy. These fluctuations created serious concerns about the supply and price of soybean meal. So, this study, using monthly and weekly data of Soybean prices in the exchange market, tried to forecast soybean price. So Soybean Meal price has predicted with neural network GMDH algorithm and ARIMA. The results based on the root mean square error (RMSE), mean absolute error (MAE) and mean absolute percentage error (MPAE) showed that the GMDH algorithm, has a better ability to predict the price accurately.