سید کمیل طیبی - دانشیار دانشکده ی علوم اداری و اقتصاد دانشگاه اصفهان
کریم آذربایجانی - دانشیار دانشکده ی علوم اداری و اقتصاد دانشگاه اصفهان
لیلی بیاری - کارشناس ارشد علوم اقتصادی دانشگاه اصفهان

با توجه به اهمیت پیش بینی قیمت گوشت مرغ، در تحقیق حاضر قیمت این محصول با استفاده از روش ARIMA و شبکه های عصبی مصنوعی برای افق های زمانی یک ماهه، شش ماهه و دوازده ماهه پیش بینی گردید و این فرضیه که شبکه ی عصبی در پیش بینی قیمت گوشت مرغ از کارایی بیشتری نسبت به  مدل های سری زمانی برخوردار است، مورد بررسی قرار گرفت. داده های مربوط به این متغیر برای دوره ی  زمانی۱۳۷۱:۱ تا ۱۳۸۵:۱۱ بوده و  از شرکت پشتیبانی امور دام کشور جمع آوری شده است. نتایج حاکی از آن است که شبکه های  پس انتشار در تمام افق های زمانی دقیق تر از روش ARIMA عمل می کنند. شبکه المان نیز در افق زمانی یک ماهه و دوازده ماهه کارایی بیشتری در مقایسه با مدل ARIMA از خود نشان می دهد. بدین لحاظ استفاده از روش های پیش بینی قیمت که عمدتا متکی بر  شبکه های عصبی قرار می گیرند، می تواند به تاثیر سیاست گذاری قیمتی و حتی تنظیم بازار از طریق پیش بینی نوسان های مختلف کمک کند.