سید محمدرضا حاج سیدجوادی

نرخ ارز به دلیل ارتباط متقابل آن با دیگر متغیرهای کلان اقتصادی، یک متغیر کلیدی به شمار می رود و نقش مؤثری در صادرات و واردات کالاها و نهاده های کشاورزی دارد. بخش کشاورزی ایران یکی از بخش های وابسته به نرخ ارز بوده و درنتیجه تغییرات نرخ ارز می تواند بر صادرات و واردات نهاده های بخش کشاورزی مانند کودهای شیمیایی اثرات قابل توجه داشته باشد. با توجه به اثر بحران های کووید-19 و جنگ اوکراین بر نرخ ارز و اهمیت تجارت کودهای شیمیایی در شرایط کنونی، هدف از این پژوهش بررسی علیت غیر خطی بین نرخ ارز و حجم واردات و صادرات کودهای شیمیایی با استفاده از داده های فصلی در دوره 1401-1393 با استفاده از رویکرد مارکف سوئیچینگ است. نتایج به دست آمده از آزمون غیر خطی نشان داد که رابطه میان نرخ ارز آزاد و حجم صادرات کودهای ازته و نیز ارتباط «شکاف نرخ ارز آزاد با نرخ ارز رسمی» با حجم واردات کودهای فسفاته و پتاسه غیر خطی است. همچنین بر اساس علیت گرنجر در مدل مارکف سوئیچینگ، رابطه علیت یک سویه ای از طرف نرخ ارز آزاد به سمت حجم صادرات کودهای ازته وجود دارد. همچنین، رابطه علیت یک سویه ای از «شکاف نرخ ارز آزاد با نرخ ارز رسمی» به سمت حجم واردات کودهای فسفاته و پتاسه برقرار است. بنابراین، برای کاهش اثرات نرخ ارز طراحی الگوی جامع تجارت، تنوع بخشی به مبادی وارداتی و مقصدهای صادراتی کودهای شیمیایی و نیز ایجاد رابطه های تعاملی دوجانبه و سازنده با کشورهای هدف به منظور دستیابی به توافق برد-برد پیشنهاد و تأکید می شود.

امروزه بسیاری از کشاورزان و فعالان بخش کشاورزی از تغییرات قیمت های بازار و آخرین پیشرفت های فناوری در حوزه قیمت محصولات کشاورزی آگاهی های لازم را ندارند؛ بنابراین بهره گیری از مدل های هوشمند برای پیش بینی دقیق قیمت کالاهای کشاورزی در حوزه کشاورزی هوشمند برای آنها اهمیت حیاتی دارد. لذا هدف از این مطالعه، ارائه یک مدل هوشمند بر پایه داده کاوی از نوع هیبریدی غیر خطی برای پیش بینی دقیق قیمت آتی پسته به منظور رفع محدودیت های موجود شامل ماهیت چندبعدی داده ها، عدم قطعیت در داده های پیش بینی شده و نهایتاً ارائه و ساخت مدل پایه قابل انتشار در زمینه به کارگیری الگوریتم های یادگیری ماشین عمیق برای پیش بینی قیمت محصولات کشاورزی است. نتایج حاصل از این مطالعه نشان داد که 1) با بکارگیری تئوری موجک برای نوفه زدایی داده ها، میزان خطای داده های قیمت کاهش یافته و داده ها از یک روند باثبات برخوردار شدند، 2) نتایج حاصل از اجرای شبکه کدکننده خودکار منتج به انتخاب وقفه بهینه یک، به عنوان متغیر ورودی برای پیش بینی قیمت آتی پسته تشخیص داده شد، 3) نتایج حاصل از بکارگیری شبیه سازی مونت کارلو-زنجیره مارکف و نیز پیش بینی خارج از نمونه با مجموعه داده های جدید، بیانگر این است که محتمل ترین و خوشبینانه ترین قیمت قابل وقوع برای قیمت آتی پسته در بورس کالای ایران، در سقف قیمتی 213 هزار تومان قرار دارد و قیمت پیش بینی شده با قیمت واقعی دارای اختلاف اندکی است (میزان خطا 0/7 درصد است). بر اساس نتایج حاصل شده، استفاده از مدل هیبریدی پیشنهاد شده و بکارگیری اجزای بکار برده شده در آن یعنی تابع تبدیل موجک، شبکه کدکننده خودکار، شبکه عصبی یادگیری عمیق، شبیه سازی مونت کارلو و استنتاج قیمت های جدید به عنوان کامل ترین زنجیره ارزش دو بخشی تحت یک مدل مرجع و پایه قابل انتشار برای پیش بینی و آزمون سایر محصولات کشاورزی با امکان به کارگیری تواترهای زمانی مختلف پیشنهاد می شود.

پیش بینی قیمت و روند تغییرات آن از مهم ترین عوامل در تصمیم گیری و تدوین راهبرد های مربوط به محصولات کشاورزی است. هدف مطالعه حاضر ارائه یک مدل یا الگوی داده کاوی هیبریدی شامل مجموعه مدل های غیرخطی الگوریتم ژنتیک، تبدیل موجک، شبکه عصبی عمیق و روش مونت کارلو برای پیش بینی دقیق قیمت محصولات کشاورزی بود. این الگوی پیشنهادی از نوع هیبریدی دومرحله ای و مدل پایه هیبریدی غیرخطی- غیرخطی بود و در آن، از الگوریتم ژنتیک برای تعیین وقفه بهینه سری زمانی قیمت، از تابع موجک برای نوفه زدایی داده های قیمت، از شبکه عصبی عمیق برای پیش بینی قیمت، از روش مونت کارلو برای شبیه سازی محتمل ترین احتمال قیمت و در نهایت، از محاسبات پیچیده نرم برای انجام «پیش بینی خارج از نمونه با مجموعه داده های جدید» برای دوره زمانی دوم تا دهم اردیبهشت 1399 استفاده شد. نتایج مقایسه الگوی پیشنهادی «الگوریتم ژنتیک- تبدیل موجک- شبکه عصبی عمیق- مونت کارلو» با سه الگوی رقیب «الگوریتم ژنتیک-شبکه عصبی عمیق- مونت کارلو»، «الگوریتم ژنتیک- تبدیل موجک- شبکه عصبی ساده- مونت کارلو» و «الگوریتم ژنتیک- شبکه عصبی ساده- مونت کارلو»، با استفاده از معیارهای ارزیابی، نشان داد که الگوی پیشنهادی نسبت به سه الگوی رقیب دارای عملکرد بهتری در پیش بینی قیمت زعفران آتی است؛ همچنین، استفاده از شبکه عصبی عمیق در مقایسه با شبکه عصبی ساده و نیز به کارگیری نظریه موجک برای نوفه زدایی و استفاده از روش مونت کارلو برای شبیه سازی قیمت های پیش بینی شده دقت پیش بینی قیمت آتی زعفران را افزایش می دهد. علاوه بر این، استفاده از محاسبات نرم برای انجام «پیش بینی خارج از نمونه با مجموعه داده های جدید» نشان داد که الگوی پیشنهادی از کارآیی لازم و دقت بالا برای پیش بینی کوتاه مدت قیمت آتی زعفران برخوردار بوده، به گونه ای که میزان خطای محاسباتی کمتر از یک درصد (6/0 درصد) است. بنابراین، مطالعه حاضر در دستیابی به شاخص میزان دقت حداکثری، سناریوسازی روند قیمت های آتی، تحلیل حساسیت مؤلفه های مؤثر بر قیمت و سرانجام، پیش بینی قیمت آینده از جایگاهی بسیار مناسب برخوردار است. با توجه به نتایج به دست آمده، استفاده از الگوی پیشنهادی برای پیش بینی قیمت محصولات کشاورزی توصیه می شود.