کریم آذربایجان - دانشیار دانشکده علوم اداری و اقتصاد دانشگاه اصفهان
سیدکمیل طیبی - دانشجوی کارشناسی ارشد علوم اقتصادی، دانشگاه اصفهان
لیلی بیاری - دانشجوی کارشناسی ارشد علوم اقتصادی، دانشگاه اصفهان

با وجود ای ن که از عمر پرورش طیور به شکل صنعتی آن در جهان بی ش از چند دهه نمیگذرد، اما ا ین صنعت توانسته جایگاهی رفیع در تأمین پروتئین مورد نیاز جامعه انسانی داشته باشد . در کشور ما نیز این فعال یت از دهه پنجاه شروع شده و در مدتی کوتاه توانسته به صورت یک صنعت گسترده درآید و حتی میزان تولید و مصرف گوشت آن با گوشت قرمز که سابقه دیرین در جامعه ایران دارد، رقابت نماید . از طرف دیگر، ثبات نسبی و پ یش بینی دقیق قیمت طیور از طریق توجه به کاهش نوسانات باعث تخص یص بهینه منابع، افزایش کارا یی و در نها یت افزا یش درآمد مرغداران می شود ، به طوریکه پیش بینی قیمت نقش مهمی در کاهش ناپایداری ها و در نهایت کاهش ریسک بازار دارد . با توجه به اهمیت پیش بینی قیمت گوشت مرغ، در این تحقیق قیمت این محصول پروتئینی با استفاده از روش ARIMA و شبکه های عصبی مصنوعی برای افق های زمانی سه ماهه، شش ماهه، دوازده ماهه و هجده ماهه پیش بینی می شود و این فرضیه که شبکه عصبی مصنوعی در پیش بینی قیمت گوشت مرغ از کارایی بیشتری نسبت به مدل های سری زمانی برخوردار است، مورد بررسی قرار می گیرد . داده های مربوط به این متغیر از شرکت پشتیبانی امور دام کشور جمع آوری گردیده اند که از دوره فروردین ماه 1371 تا مرداد ماه 1384 جهت تخمین مدل ها و از مابقی داده ها به منظور بررسی قدرت پیش بینی استفاده شده است . نتایج حاصل حاکی از آن است که شبکه عصبی مصنوعی در تمام افق های زمانی دقیق تر از روش ARIMA عمل می کند . بدین لحاظ استفاده از روش های پیش بینی قیمت که عمدتاً متکی بر شبکه های عصبی مصنوعی قرار می گیرند، می تواند به تاثیر سیاست گذاری قیمتی و حتی تنظیم بازار از طریق پیش بینی نوسان های مختلف کمک نماید

پیش بینی قیمت، گوشت مرغ، شبکه های عصبی مصنوعی، روش ARIMA