Διαχρονική εξέλιξη της τιμής του αραβόσιτου
Φόρτωση...
Ημερομηνία
Συγγραφείς
Γιώτη, Αλεξάνδρα
Gioti, Alexandra
Τίτλος Εφημερίδας
Περιοδικό ISSN
Τίτλος τόμου
Εκδότης
Πανεπιστήμιο Ιωαννίνων. Σχολή Οικονομικών και Διοικητικών Επιστημών. Τμήμα Λογιστικής και Χρηματοοικονομικής
Περίληψη
Τύπος
Είδος δημοσίευσης σε συνέδριο
Είδος περιοδικού
Είδος εκπαιδευτικού υλικού
Όνομα συνεδρίου
Όνομα περιοδικού
Όνομα βιβλίου
Σειρά βιβλίου
Έκδοση βιβλίου
Συμπληρωματικός/δευτερεύων τίτλος
Περιγραφή
Τα γεωργικά προϊόντα είναι απαραίτητα για την παγκόσμια διατροφική ασφάλεια και την οικονομική σταθερότητα, με τον αραβόσιτο να είναι μία από τις πιο διαδεδομένες καλλιέργειες που καταναλώνονται παγκοσμίως. Οι διακυμάνσεις των τιμών του αραβοσίτου μπορούν να έχουν βαθιές επιπτώσεις στην διατροφική ασφάλεια, το εμπόριο και τα μέσα διαβίωσης. Η ακριβής πρόβλεψη των τιμών έχει μεγάλης σημασίας για τους παραγωγούς και τους επενδυτές. Η παρούσα διατριβή επικεντρώνεται στην ανάλυση και εύρεση των τάσεων των τιμών του αραβοσίτου χρησιμοποιώντας έναν συνδυασμό αριθμητικής μοντελοποίησης και ανάλυσης ιστορικών γεγονότων για την πρόβλεψη μελλοντικών κινήσεων των τιμών.
Η έρευνα χρησιμοποιεί το μοντέλο ARIMA (AutoRegressive Integrated Moving Average), το οποίο είναι κατάλληλο για ανάλυση δεδομένων χρονοσειρών, επιτρέποντας προβλέψεις με βάση ιστορικά δεδομένα τιμών. Εντοπίζοντας μοτίβα στις παρελθούσες τιμές του αραβοσίτου, το ARIMA βοηθά στην πρόβλεψη των μελλοντικών τάσεων των τιμών, παρέχοντας πολύτιμες πληροφορίες για τους συμμετέχοντες στην αγορά.
Εκτός από την αριθμητική προσέγγιση, μια ιστορική ανάλυση βασικών παγκόσμιων γεγονότων -όπως η οικονομική κρίση του 2007, η πανδημία COVID-19 και ο πόλεμος Ουκρανίας-Ρωσίας- αναδεικνύει τον σημαντικό αντίκτυπο αυτών των γεγονότων στις τιμές του αραβοσίτου. Αυτές οι κρίσεις διατάραξαν τις αγορές, οδηγώντας σε αστάθεια των τιμών και των γεωργικών προϊόντων.
Συνοψίζοντάς ότι ο συνδυασμός του αριθμήσιμου μοντέλου και τα δεδομένα από την ιστορική αναδρομή μπορεί να πρόβλεψει όσο γίνεται την τιμή του αραβόσιτου. Το οποίο είναι πολύ-παραγοντικό και αδύνατον να πρόβλεψει με ακρίβεια.
Agricultural products are essential to global food security and economic stability, with maize being one of the most widely grown and consumed crops globally. Price fluctuations in maize can have profound effects on food security, trade, and livelihoods. Accurate price forecasting is crucial for producers, policymakers, and investors, but the agricultural sector is highly susceptible to external shocks like economic crises, pandemics, and geopolitical conflicts. This thesis focuses on analyzing and finding trends in maize prices using a combination of numerical modeling and historical event analysis to predict future price movements The research employs the ARAMA (AutoRegressive Average Moving Model Algorithm) model, which is well-suited for time-series data analysis, allowing for predictions based on historical price data. By identifying patterns in past maize prices, ARAMA helps project future price trends, providing valuable insights for market participants. In addition to the numerical approach, a historical analysis of key global events—such as the 2007 economic crisis, the COVID-19 pandemic, and the Ukraine-Russia war—highlights the significant impact of these events on maize prices. These crises disrupted markets, leading to price volatility in agricultural commodities. In summary, the combination of the numerical model and data from the historical record can predict as much as possible the price of maize. Which is multi-factorial and impossible to predict accurately.
Agricultural products are essential to global food security and economic stability, with maize being one of the most widely grown and consumed crops globally. Price fluctuations in maize can have profound effects on food security, trade, and livelihoods. Accurate price forecasting is crucial for producers, policymakers, and investors, but the agricultural sector is highly susceptible to external shocks like economic crises, pandemics, and geopolitical conflicts. This thesis focuses on analyzing and finding trends in maize prices using a combination of numerical modeling and historical event analysis to predict future price movements The research employs the ARAMA (AutoRegressive Average Moving Model Algorithm) model, which is well-suited for time-series data analysis, allowing for predictions based on historical price data. By identifying patterns in past maize prices, ARAMA helps project future price trends, providing valuable insights for market participants. In addition to the numerical approach, a historical analysis of key global events—such as the 2007 economic crisis, the COVID-19 pandemic, and the Ukraine-Russia war—highlights the significant impact of these events on maize prices. These crises disrupted markets, leading to price volatility in agricultural commodities. In summary, the combination of the numerical model and data from the historical record can predict as much as possible the price of maize. Which is multi-factorial and impossible to predict accurately.
Περιγραφή
Λέξεις-κλειδιά
Αραβόσιτος, Ιστορική ανασκόπηση τιμής, Market analysis, ARIMA μοντέλο
Θεματική κατηγορία
Ανάλυση Αγοράς, Market Analysis
Παραπομπή
Σύνδεσμος
Γλώσσα
el
Εκδίδον τμήμα/τομέας
Πανεπιστήμιο Ιωαννίνων. Σχολή Οικονομικών και Διοικητικών Επιστημών. Τμήμα Λογιστικής και Χρηματοοικονομικής
Όνομα επιβλέποντος
Κόλιας, Γεώργιος
Εξεταστική επιτροπή
Κόλιας, Γεώργιος
Τριάρχη, Ειρήνη
Παππά, Παρασκευή
Τριάρχη, Ειρήνη
Παππά, Παρασκευή
Γενική Περιγραφή / Σχόλια
Ίδρυμα και Σχολή/Τμήμα του υποβάλλοντος
Πανεπιστήμιο Ιωαννίνων. Σχολή Οικονομικών και Διοικητικών Επιστημών
Πίνακας περιεχομένων
Χορηγός
Βιβλιογραφική αναφορά
Ονόματα συντελεστών
Αριθμός σελίδων
48
Λεπτομέρειες μαθήματος
item.page.endorsement
item.page.review
item.page.supplemented
item.page.referenced
Άδεια Creative Commons
Άδεια χρήσης της εγγραφής: Attribution-NonCommercial-NoDerivs 3.0 United States