مدل سازی و پیش بینی ماهانه قیمت فولاد در ایران (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
کاربرد فراوان و متعدد فولاد در صنایع مختلف، آن را به کالایی استراتژیک تبدیل کرده و قیمت آن همواره مورد توجه صاحبان صنایع بوده است. از این رو، دسترسی به پیش بینی های دقیق از روند قیمتی فولاد و محصولات آن، حائز اهمیت است. براین اساس، در مطالعه حاضر، ضمن شناسایی متغیرهای اثرگذار بر قیمت فولاد، پیش بینی برون نمونه ای برای دوره زمانی 1402:07 تا 1403:03 با بهره گیری از مدل خودرگرسیون برداری (VAR) انجام شده است. در ابتدا، مطابق نتایج آزمون هم انباشتگی یوهانسون- جوسیلیوس، رابطه بلندمدت بین متغیرهای مدل تأیید شد. همچنین، ضریب جمله تصحیح خطا (ECM) برابر 0842/0- تخمین زده شد. تجزیه و تحلیل توابع واکنش آنی و شوک های وارد بر متغیرها نیز نشان داد که شوک ایجاد شده در متغیرهای نرخ ارز غیررسمی و شاخص قیمت تولیدکننده صنعت (زیرگروه ساخت فلزات پایه)، به ترتیب با 8/6 و 5/6 درصد به شکل استاندارد، بیش از سایر متغیرهای مدل بر نوسانات قیمت فولاد مؤثر بوده اند. به علاوه، تحلیل های مربوط به تجزیه واریانس، نشان داد که شاخص تولیدکننده صنعت با 18/16 درصد و نرخ ارز غیررسمی با 7/11 درصد بعد از قیمت خود فولاد، بیشتر از سایر متغیرها بر نوسانات قیمت این محصول، اثرگذار بوده اند. در نهایت، پس از برآورد پیش بینی برون نمونه ای، رشد 5 درصدی در قیمت فولاد از 302445 ریال در مهر 1402 به 321552 ریال در خرداد ماه 1403 پیش بینی شده است. نتایج معیارهای ارزیابی پیش بینی نیز، بیانگر دقت بالای آن بوده است. مطابق نتایج، مهم ترین توصیه های سیاستی شامل به روزرسانی تکنولوژی ها، تجهیزات و ماشین آلات مورد استفاده در تولید محصولات فولادی به منظور توسعه تولید فرآورده های فولادی، صرفه جویی در مصرف انرژی و هزینه های تولید، اتخاذ سیاست های مناسب پولی و ارزی و افزایش صادرات با تمرکز بر بازاریابی و فروش محصولات فولادی (به منظور جلوگیری از خام فروشی)، از طریق توسعه تولیدات، افزایش تنوع، کیفیت و ماندگاری محصولات فولادی تولیدی قابل ارائه است.Modeling and Monthly Price Forecasting of Steel in Iran
The abundant and numerous uses of steel in various industries have turned it into a strategic commodity, and its price has always been a concern of industrial owners. Therefore, access to accurate forecasts of the price trend of steel and its products is important. Therefore, in the present study, while identifying the determinant variables for the price of steel, an out-of-sample forecast for 2023:10 to 2024:06 has been made using the vector autoregression (VAR) model. At first, the results of the Johansen-Juselius cointegration test confirmed the long-term relationship. Also, the error correction coefficient (ECM) was -0.0842. We analyze impulse response functions. The unofficial exchange rate, and industrial producer price index (base metal manufacturing sub-group) (respectively with a positive effect of 6.8% and 6.5% percent in the standard form) have been more effective than other model variables on the fluctuations of steel price. In addition, the results of variance decomposition showed that the industrial producer price index (16.18%), and unofficial exchange rate (11.7%) after the price of steel itself had more effect on the price fluctuations of this product than other variables. Finally, we estimate the out-of-sample forecast. The price of steel is forecasted from 302,445 Rials in October 2023 to 321,552 Rials in June 2024 (with a 5% increase). Based on the forecast evaluation criteria, our model can accurately forecast the price trend of steel. According to the results, the most important policy recommendations include updating the technologies, equipment, and machinery used in the production of steel products to develop the production of steel products, saving energy consumption and production costs, adopting appropriate monetary and foreign exchange policies, And increasing exports by focusing on marketing and sales of steel products (to prevent raw sales), through the development of production, increasing the variety, quality, and durability of manufactured steel products can be provided
تبلیغات
