최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기농촌지도와 개발 = Journal of agricultural extension & community development, v.22 no.4, 2015년, pp.423 - 434
남국현 (서울대학교 농업생명과학연구원) , 최영찬 (서울대학교 농경제사회학부 지역정보전공)
This paper predicts the onion's cultivation areas, yields per unit area, and wholesale prices during ship dates by using wholesale price data from the Korea Agro-Fisheries & Food Trade Corporation, the production data from the Statistics Korea, and the weather data from the Korea Meteorological Admi...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
채소류의 수급 및 가격 예측이 어려운 이유는? | 농산물 중 수급 및 가격 변동이 가장 큰 품목은 채소류인데, 채소류는 노지에서 재배되기 때문에 기상 변화에 따라 생산량의 변화가 심하고, 계절 변화에 따라 주산지가 전국으로 이동하며, 유사 작목 간 생산 대체 관계가 존재하기 때문에 수급 및 가격 예측이 어렵다. 특히 채소품목 중 양파는 2011년 기준자급률이 96%로 가장 높고, 곧 수입품의 영향이 낮아서 일반적으로 농산물 수요는 일정하다고 가정할 때, 양파 가격 변동의 원인은 주로 공급측면에서 발생한다고 볼 수 있다. | |
양파 수급 예측 시, ARIMA 모형과 GARCH 모형의 단점은 무엇인가? | 그 결과 양파 가격은 인공신경망보다는 ARIMA와 GARCH 모형의 예측력이 우수한 것으로 분석하였다. 그러나 30% 이상의 오차율을 보여 추가적인 모형 개발의 필요성을 언급하였고, 그것은 수급예측에 있어 중요한 기상요인을 배제한 채 가격의 패턴만을 고려하여 분석한 것이 그와 같은 오차율을 가져온 것으로 판단된다. 이외에도 배추와 무의 재배면적과 단수를 추정하고, 가격함수를 추정한 연구가 있었고(박지연 & 박영구, 2013), 이용선, 김종진, & 노수정(2012)은 배추, 양파, 대파, 풋고추 등 4개 품목에 대해 가격의 변동패턴과 변동요인을 분석하였다. | |
농산물 중, 수급 및 가격 변동이 가장 큰 품목은 무엇인가? | 농산물 중 수급 및 가격 변동이 가장 큰 품목은 채소류인데, 채소류는 노지에서 재배되기 때문에 기상 변화에 따라 생산량의 변화가 심하고, 계절 변화에 따라 주산지가 전국으로 이동하며, 유사 작목 간 생산 대체 관계가 존재하기 때문에 수급 및 가격 예측이 어렵다. 특히 채소품목 중 양파는 2011년 기준자급률이 96%로 가장 높고, 곧 수입품의 영향이 낮아서 일반적으로 농산물 수요는 일정하다고 가정할 때, 양파 가격 변동의 원인은 주로 공급측면에서 발생한다고 볼 수 있다. |
강태훈. (2007). 도매시장 경락가격과 반입량의 상호 관계 분석: 배추, 감자, 양파를 중심으로. 농업경제연구 , 48(4), 45-67.
국승용, & 김완배. (2007). 강서 농산물 도매시장의 거래제도별 가격효율성의 실증분석. 농업경제연구, 48(2), 51-73.
김병률. (2011). 채소 수급 및 유통현황과 개선방향. 한국식품유통학회 2011 하계학술대회 논문집.
김배성. (2005). 채소가격 예측을 위한 응용기법별 예측력 비교. 농업경제연구, 46(4), 89-113.
김배성, & 조재환. (2010). 중기선행관측을 위한 농축산물 작형별 수급모형 및 예측평가시스템 개발 연구. 농촌경제연구원.
김윤진. (2013). 이상기후 현상이 단수 및 변동성에 미치는 영향 : 양파 사례 연구. 서울대학교 석사학위논문.
박기환, 박영구, & 김재한. (2007). 주요 채소류의 월별 수입수요함수 추정. 한국농촌경제연구원.
박지연, & 박영구. (2013). 배추.무 예측모형 고도화 방안. 한국농촌경제연구원.
안병일, 김성용, & 김병률. (2002). 양념채소가격의 변동추세와 요인분석. 농업경제연구 , 43(1), 103-121.
오유진, & 김유섭. (2007). 하이브리드 주가예측 모델. 한국정보처리학회, 14(7), 531-540.
윤병삼, & 양승룡. (2004). 양념채소 가격의 요일효과, 월별효과 및 월중효과에 관한 연구. 농업경제연구, 45(2), 187-210.
이중웅. (1996). 고추?마늘?양파의 생산결정요인 분석. 농촌경제, 19(3), 27-50.
이용선, 김종진 & 노수정. (2012). 주요 채소 가격의 변동 패턴 및 요인 분석. 한국농촌경제연구원.
한석호, & 김병률. (2011). 시장개방하의 배추 수급모형과 전망. 농촌경제, 27(3), 35-53.
한국농수산물유통공사. http://www.kamis.co.kr
통계청. http://www.kostat.go.kr
기상청. http://www.kma.go.kr
Alioune, D. (2008). Alternative forecasting techniques for vegetable prices in Senegal. Revue Senegalaise des Recherches Agricoles et Agroalimentaires, 1(3), 5-10.
Ji, B., & Wan, J. (2007). Artificial neural networks for rice yield prediction in mountainous regions. Computers and Electronics in Agriculture, 145(3), 249-261.
Burhan, O., & Handan, A. (2002). Impacts of climate factors on yields for selected crops in the Southern Turkey. Mitigation and Adaptation Strategies for Global Change, 7, 367-380.
Chmielewski, M., & Kohn, W. (2000). Impact of weather on yield components of winter rye over 30 years. Agricultural and Forest Meterorology, 10(2), 253-261.
Karpoff, J. M. (1987). The relation between price changes and trading volume: A survey. The Journal of Financial and Quantitative Analysis, 22(1), 109-126.
Jon, B., & David, B. (1983). Price forecasting and evaluation: An application in agriculture. Journal of Forecasting, 2(3), 237-248.
Manish, S., & Sanjay, J. (2011). Applicability of ARIMA models in wholesale vegetable market: An investigation. International Conference on Industrial Engineering and Operations Management, 17(2), 1125-1130.
Mishra, C., & Sarkar, V. (2013). Instability and forecasting using ARIMA model in area, production and productivity of onion in India. Journal of Crop and Weed, 9(2), 96-101.
Murat, I., & Stephen, D. (2006). An analysis of the impact of climate change on crop yields and yield variability. Applied Ecomomics, 3(8), 835-844.
Alvarez, R. (2009). Predicting average regional yield and production of wheat in the Argentine Pampas by an artificial neural network approach. European Journal of Agronomy, 30(2), 70-77.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
오픈액세스 학술지에 출판된 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.