使用小波增强时间序列方法进行土豆价格建模的比较分析

《Potato Research》：Comparative Analysis Using a Wavelet–enhanced Time Series Approach for Potato Price Modelling

potato价格预测采用小波基混合模型分析南印度市场2006-2022年数据，结合ARIMA和人工神经网络模型，通过RMSE、MAPE、MAE及DM检验验证，Chennai和Trivandrum市场小波-ARIMA模型MAPE分别10.09%和10.46%，Bangalore和Hyderabad市场小波-人工神经网络模型MAPE为22.02%和7.93%，DM检验显示模型显著优于基准模型，建议实施固定价格政策以稳定农业市场。

　　

摘要

土豆是一种重要的主食作物，在各个农业领域都具有重大的经济意义。然而，其市场价格波动性极高，由于频繁且不可预测的波动，导致价格预测变得困难。这种波动性对农民的收入和消费者的购买力产生了负面影响，从而使得农业规划和政策制定变得复杂。因此，准确可靠的价格预测对于降低风险和稳定农业市场至关重要。本研究评估了基于小波的混合模型在预测2006年1月至2022年12月期间南印度主要市场（如金奈、特里凡得琅、班加罗尔和海得拉巴）的月度土豆批发价格方面的有效性。通过小波分解方法，这些模型能够捕捉价格序列中的长期趋势和短期波动，从而提高预测准确性。模型性能通过均方根误差（RMSE）、平均绝对百分比误差（MAPE）和平均绝对误差（MAE）等评估指标进行评估，并通过Diebold-Mariano（DM）检验进一步验证。结果表明，小波-自回归积分移动平均模型在金奈和特里凡得琅市场的预测准确性最高，其MAPE值分别为10.09%和10.46%；而小波-人工神经网络模型在班加罗尔和海得拉巴市场的表现更为优异，MAPE值分别为22.02%和7.93%。DM检验进一步证实了基于小波的模型在不同市场上的优越性能。这些发现突显了小波增强模型在捕捉农业价格序列复杂动态方面的有效性。该研究为农民、交易者和政策制定者等利益相关者提供了宝贵的见解，有助于他们基于数据做出决策以管理价格风险。此外，研究还强调了实施稳健和适应性定价政策的必要性，以减轻市场波动性，保障农民生计并确保公平稳定的收益。具体而言，建议政府采取固定土豆价格政策作为一项积极措施，以提高这一高度波动行业的经济韧性。未来的研究应探索更先进的混合模型和实时预测框架，以进一步提高在波动性农业市场中的适应性和预测准确性。