Application of ML Techniques to Forecasting of Wheat Prices. Model, Backtesting, Validation

Это исследование продвигает экономику сельского хозяйства, применяя методы машинного обучения (ML) для прогнозирования цен на пшеницу на российском рынке зерна, устраняя пробел в существующих исследованиях. Используя передовые модели машинного обучения, это исследование улучшает понимание динамики цен и прогнозной аналитики на стратегически важном, но недостаточно изученном российском рынке. Точные и своевременные прогнозы цен приносят пользу заинтересованным сторонам, включая фермеров, торговцев, политиков и инвесторов, за счет улучшения процесса принятия решений и управления рисками. Это исследование объединяет разнообразные источники данных и передовые аналитические методы для решения проблем, связанных с ценообразованием и динамикой цепочки поставок. Результаты показывают, что методы машинного обучения, особенно LSTM и гибридные модели, такие как STL-LSTM, значительно повышают точность прогноза цен на пшеницу, превосходя традиционные статистические методы.