پیش بینی قیمت روغن خوراکی: مطالعۀ موردی روغن آفتابگردان (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
هدف مطالعه حاضر، ضمن شناسایی متغیرهای اثرگذار و بررسی اثر آن ها بر قیمت روغن آفتابگردان در ایران، ارائه پیش بینی های برون نمونه ای (1402:07-1403:06) با استفاده از روش خودرگرسیون برداری (VAR) است. در ابتدا، با توجه به هم انباشته بودن متغیرهای تحقیق، از آزمون هم انباشتگی یوهانسون- جوسیلیوس استفاده شد که وجود رابطه بلندمدت بین متغیرها تایید گردید. سپس روابط بلندمدت و کوتاه مدت (VECM) برآورد و ضریب جمله تصحیح خطا برابر 3147/0- تخمین زده شد. در ادامه، توابع واکنش آنی مورد بررسی قرار گرفت و مطابق نتایج آن، شوک ایجاد شده در قیمت کالای جانشین، نرخ ارز ترجیحی و شاخص قیمت جهانی روغن به ترتیب با 16، 10 و 6/9 درصد به شکل استاندارد، بیش از سایر متغیرهای الگو بر نوسانات قیمت روغن آفتابگردان مؤثر بوده اند. بر اساس نتایج تجزیه واریانس نیز متغیر شاخص قیمت جهانی روغن، بیشتر از سایر متغیرها، تغییرات متغیر وابسته را توضیح می دهد. در نهایت، پیش بینی برون نمونه ای انجام شد که مطابق نتایج معیارهای ارزیابی پیش بینی، مدل تحقیق توانسته پیش بینی های خوبی را از روند قیمتی روغن آفتابگردان ارائه دهد. بر اساس نتایج بدست آمده رفع موانع تولید، تدوین و اجرای بسته های تشویقی برای تولیدکنندگان، بازنگری در مقررات واردات کالا به کشور، برای کنترل قیمت روغن آفتابگردان قابل توصیه است. طبقه بندی JEL: C32, D12, E37 .Price Forecasting Edible Oil: Case Study Sunflower Oil
The present study aims to identify the influencing variables and investigate their effect on the price of sunflower oil in Iran and out-of-sample forecast (2023:10-2024:09) using the vector autoregression method. First, due to the cointegration of the research variables, we used the Johansen-Juselius cointegration test to confirm the long-term relationship between the variables. Then, the long-term and short-term models were estimated, and the error correction coefficient was obtained at -0.3147. Next, we investigated impulse response functions. According to the results of impulse response functions, shocks in the price of the substitute product, the government exchange rate, and the global oil price index (with 16, 10, and 9.6 percent in standard form, respectively) have been more effective than other variables on the fluctuations of the sunflower oil price. Also, the variance decomposition showed the global oil price index variable explains the changes in the dependent variable more than other variables. Finally, we estimated out-of-sample forecasts. Based on the forecast evaluation criteria, the model can accurately forecast the price trend of sunflower oil. Also, according to our findings recommended removing obstacles to production, formulating and implementing incentive packages for producers, and reviewing the regulations for importing goods into the country to control the price of sunflower oil. JEL Classification: E37, D12, C32.
تبلیغات
