خلاصه ماشینی:
"برای محاسبه طول سیکل بلندمدت پس از تخمین تابع استفادهشده،معنیداری متغیرهای(به تصویر صفحه مراجعه شود)مورد بررسی قرار گرفته و اگر حد اقل یکی از متغیرهای یادشده معنیدار شده باشد،مقدار(به تصویر صفحه مراجعه شود)را محاسبه کرده و تفاوت بین ماکزیمم و مینیمم(به تصویر صفحه مراجعه شود)را به دست میآوریم و تابعی که دارای بالاترین تفاوت باشد به عنوان تابع هارمونیک و مقدار p در این تابع به عنوان طول سیکل بلندمدت انتخاب میشود.
نتایج حاصل از پیشبینی قیمت محصولات منتخب با استفاده از الگوی اتور گرسیو (AR) (به تصویر صفحه مراجعه شود) مأخذ:نتایج تحقیق همان طور که مشاهده میشود به جز در مورد سری قیمت اسمی گوجه فرنگی سایر سریها فقط از فرآیند(1) AR پیروی میکنند.
نتایج حاصل از پیشبینی قیمت محصولات منتخب با استفاده از الگوی میانگین متحرک (MA) (به تصویر صفحه مراجعه شود) مأخذ:نتایج تحقیق بر خلاف فرآیند AR در مورد فرآیند MA مشاهده میشود که سریهای قیمت اسمی پیاز و سیبزمینی از فرآیند MA بالاتر از مرتبه یک پیروی میکنند.
میزان خطای پیشبینی این الگو با سایر الگوها تفاوت قابل ملاحظهای نیز دارد، به این ترتیب که در الگوی هارمونیک مقدار آماره RMSE برابر با 18384 است در حالی که این رقم برای الگوی شبکه عصبی مصنوعی که در رتبه دوم قرار دارد بیش از 77 هزار است.
بر اساس یافتههای این مطالعه میتوان این پیشنهادها ارائه کرد: -استفاده از روشهای رقیب به منظور پیشبینی سریها، -توجه به روند دادهها و استفاده از متغیرهای نشاندهندهء تغییرات ساختاری در پیشبینی دادهها، -دو روش ARIMA و هارمونیک از فضای پیشنهاد بیشتری برای پیشبینی برخوردارند، -وجود روند در مقادیر اسمی معمولتر از مقادیر واقعی آنها است بنابراین مطلوب آن است که تصمیمگیریها بر اساس مقادیر پیشبینیشده اسمی قیمتها اتخاذ شود."