基于季节性ARIMA模型的印度巴斯马蒂大米出口绩效与预测研究

《Cogent Food & Agriculture》:A study on the performance and prediction of basmati rice exports from India using a seasonal ARIMA model

【字体: 大 中 小 】 时间:2026年08月05日 来源:Cogent Food & Agriculture 3.1

编辑推荐:

  印度是巴斯马蒂大米出口最多的国家之一,预测其价值对于政策制定者、投资者和出口商至关重要。本研究旨在使用季节性自回归积分滑动平均(SARIMA)模型来预测巴斯马蒂大米出口。研究人员从农业与加工食品出口发展局(APEDA)提取了2019年1月至2023年12月的月

  
印度是巴斯马蒂大米出口最多的国家之一,预测其价值对于政策制定者、投资者和出口商至关重要。本研究旨在使用季节性自回归积分滑动平均(SARIMA)模型来预测巴斯马蒂大米出口。研究人员从农业与加工食品出口发展局(APEDA)提取了2019年1月至2023年12月的月度出口数据。基于诸如赤池信息准则(AIC)、贝叶斯信息准则(BIC)和平均绝对百分比误差(MAPE)等评估指标,测试模型中最优的模型为SARIMA(1,0,0)(0,1,1)12。结果清晰表明,巴斯马蒂大米出口趋势显著,曲线反映出强烈的季节性模式,2021年出现小幅暂时性下降,这确实是由外部影响引起的。最终模型的诊断检验证实残差中不存在自相关。根据2022年和2023年的预测,出口将在2024–2028年继续增长,因为这些将受到进一步稳定需求和其他市场导向条件的影响。这项研究不仅为农业出口预测文献做出了贡献,还为政策制定者和其他利益相关者提供了相关信息,以优化其在巴斯马蒂大米部门的贸易策略和资源配置。
印度是全球最大的巴斯马蒂大米出口国,该高价值作物以其芳香和长粒特性著称,2023年占印度农业出口总额的33%。预测其出口价值对政策制定者、出口商和投资者至关重要,但现有研究多聚焦于长期增长趋势或年度数据,忽略了月内动态和季节性波动,尤其在COVID-19疫情后的贸易转变缺乏深入分析。为填补这一空白,研究人员利用季节性自回归积分滑动平均(SARIMA)模型,基于2019年1月至2023年12月的高频月度数据,预测2024–2028年的出口趋势,旨在为贸易策略和资源分配提供可操作的指导。该研究结果不仅丰富了农业出口预测文献,还直接服务于政策制定者和利益相关者优化巴斯马蒂大米部门的决策。论文发表在《Cogent Food 》。

研究人员采用的关键技术方法包括:从农业与加工食品出口发展局(APEDA)获取2019年1月至2023年12月的月度出口值(单位:千万卢比)。使用RStudio软件,通过Augmented Dickey–Fuller(ADF)检验确认数据平稳性,采用Box-Jenkins方法论识别模型,最终选定SARIMA(1,0,0)(0,1,1)12,包含一个非季节性自回归项、一个季节性移动平均项(滞后12期)和季节性一阶差分。模型评估基于Akaike信息准则(AIC)、Bayesian信息准则(BIC)、平均绝对百分比误差(MAPE)和均方根误差(RMSE),并通过残差自相关函数(ACF)、偏自相关函数(PACF)图和Ljung–Box检验进行诊断。此外,与指数平滑状态空间(ETS)模型进行对比以验证稳健性。

研究结果部分如下:

**趋势与季节性分解**:通过分解图发现,巴斯马蒂大米出口值呈现总体上升趋势,伴有强烈的季节性波动。2021年因COVID-19疫情出现短暂下降,但2022年强劲恢复,显示行业韧性。

**平稳性检验**:Augmented Dickey–Fuller(ADF)检验的p值为0.021(<0.05),拒绝非平稳原假设,确认非季节性部分平稳,并采用季节性差分处理12个月周期。

**模型识别与选择**:通过ACF和PACF图识别出非季节性AR(1)和季节性MA(1)结构。比较多种SARIMA模型后,SARIMA(1,0,0)(0,1,1)12具有最低的AIC(961.07)、BIC(968.56)和MAPE(28.79%),为最优模型。

**参数估计**:所选模型的AR(1)系数为0.535(标准误=0.125),季节性移动平均(SMA)系数为-0.675(标准误=0.348),均显著,证实短期自相关和季节性依赖。漂移项系数177.18(标准误=70.13)表明出口趋势上升。

**残差诊断**:残差ACF和PACF图无显著尖峰,Ljung–Box检验p=0.551(>0.05),表明残差接近白噪声,模型充分捕捉了数据结构。

**2024–2028年预测**:预测显示出口持续增长,从2024年1月的约?39,961千万卢比增至2028年1月的约?45,076千万卢比。季节性低谷出现在4–5月,高峰期在Q1末期和Q4。预测区间随时间扩大,反映长期不确定性。

**预测含义**:置信区间为规划与风险分析提供范围,出口商可据此对冲情景,政策制定者可规划外汇收入波动。结果确认巴斯马蒂出口将保持强劲,但受季节性波动影响,需调整贸易与物流计划。

讨论部分总结:SARIMA模型成功捕捉了长期上升趋势和季节性波动,预测显示2024–2028年持续增长,反映印度巴斯马蒂大米在全球市场的竞争力。季节性波动与印度农业生产周期及主要进口国需求周期(如中东和欧洲节日)一致。2021年的下降归因于COVID-19供应链中断,2022年反弹显示行业韧性。模型局限性在于未纳入外部变量(如汇率、政策、气候),未来需结合多变量或机器学习方法。研究结论指出:SARIMA(1,0,0)(0,1,1)12是最优模型,预测出口值持续增长,与ETS模型对比验证了SARIMA在AIC、BIC和RMSE上的优越性。结果对出口商、政策制定者和投资者具有实际意义,但受限于单变量方法,未来应纳入外部驱动因素。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号