Eine neue Methode zur großflächigen kurzfristigen Prognose von Preisen landwirtschaftlicher Rohstoffe: veranschaulicht am Beispiel der Agrarmärkte in Peking

Um die Preise beliebiger landwirtschaftlicher Rohstoffe in verschiedenen Großhandelsmärkten einer Stadt vorherzusagen, schlägt dieses Papier ein gemischtes Modell vor, das das ARIMA-Modell und die PLS-Regression unter Berücksichtigung von Zeit- und Raumfaktoren kombiniert. Dieses gemischte Modell ist in der Lage, die Prognoseergebnisse der wöchentlichen Preise landwirtschaftlicher Rohstoffe in verschiedenen Märkten zu liefern. Gleichzeitig legt dieses Papier Variablen fest, um den Preisänderungstrend basierend auf den Änderungen exogener Variablen und Preisen zu messen und erreicht somit die Warnung vor täglichen Preisänderungen mithilfe neuronaler Netze. Das Modell wird mit Daten mehrerer Typen landwirtschaftlicher Rohstoffe getestet und eine Fehleranalyse wird durchgeführt. Das Ergebnis zeigt, dass das gemischte Modell bei der Prognose von Preisen landwirtschaftlicher Rohstoffe genauer ist als jedes einzelne Modell und eine bessere Genauigkeit bei den Warnwerten aufweist. Das gemischte Modell sagt bis zu einem gewissen Grad die täglichen Preisänderungen landwirtschaftlicher Rohstoffe voraus.