$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

양파 출하시기 도매가격 예측모형 연구
A Study on Onion Wholesale Price Forecasting Model 원문보기

농촌지도와 개발 = Journal of agricultural extension & community development, v.22 no.4, 2015년, pp.423 - 434  

남국현 (서울대학교 농업생명과학연구원) ,  최영찬 (서울대학교 농경제사회학부 지역정보전공)

Abstract AI-Helper 아이콘AI-Helper

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...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 기존 연구들은 다양한 분석모형을 적용하여 도매가격을 예측하거나 기상요인을 고려하여 생산성을 추정하는 개별적인 연구에 그치고 있으나, 본 연구에서는 양파 도매시장 자료와 생산 및 소득자료, 그리고 기상자료를 활용하여 경제적인 요인과 기상요인, 수요와 공급 이론을 고려한 종합적인 수급예측 모형을 설계하고자 한다. 본고는 다음과 같이 구성된다.
  • 본 연구는 3월 시점에 출하시기인 6월 이후의 도매가격을 예측하였고, 현재는 출하시기의 도매가격을 알 수 있는 시점이므로 예측치와 실제치를 비교하여 예측력을 검증하였다. 그 결과 11.
  • 이와 같은 농산물 수급예측은 농가의 의사결정으로 인한 재배면적의 변화, 기상 변화에 따른 생산량 증감 등 공급부문에 예측할 수 없는 변수가 많아 어려운 실정이다. 본 연구는 이러한 수급예측의 어려움을 보완하기 위하여 농가의 의사결정을 모형화하여 재배면적을 예측하고, 양파의 생육시기별 기상변화와 지역별 기상특징을 고려하여 단수 추정의 정확성을 높이고자하였다. 그리고 출하시기 양파 생산량 예측치를 이용하여 도매가격을 예측하는 수급 모형을 설계하고자 한다.
  • 따라서 정확한 수급예측을 위해서는 양파의 작황과 재배면적을 고려한 생산량 예측과 생산량 변동에 따른 도매가격 결정의 메커니즘의 이해가 선행되어야한다. 본 연구에서는 2015년 3월까지의 도매가격 자료와 생산량 자료, 기상자료를 이용하여 3월 시점에서 2015년산 양파의 출하시기인 6월의 생산량과 도매가격을 예측하는 모형을 설계하고, 모형의 예측력을 검증해보고자 한다.
  • 본 연구에서는 2015년산 양파의 전국 단수를 예측하기 위하여, 우선 2001년 9월에서 2014년 5월까지의 기상자료를 이용하여 지역별 단수함수를 추정하고, 2014년 9월에서 2015년 5월5)까지의 기상자료와 지역별 단수함수를 이용하여 2015년산 양파 단수를 예측한 후, 지역별 단수 예측치를 이용하여 선형 회귀모형을 통해 전국 단수를 추정하여 2015년산 양파의 전국 단수 예측치를 전망하고자 한다.
  • 본 연구에서는 수요가 일정하다는 가정 하에서 생산량의 변동으로 인한 양파 출하시기(6월, 7월)의 도매가격을 예측하였다. 과거의 양파가격의 급락이나 폭등의 경우 당해년도 생산량 변동에 의해 출하시기 가격이 결정되고, 이후의 가격에도 영향을 주었다.
  • 또한 종속변수의 과거값을 설명변수로 사용하기 때문에 오차항의 자기상관 문제가 해결될 가능성이 크다. 본 연구에서는 위의 자기회기시차 모형을 이용하여 양파 재배면적 예측모형과 지역별 단수 예측모형, 그리고 출하시기 도매가격 예측모형을 설계하고자 한다.

가설 설정

  • <표 2>를 보면, 양파 출하시기인 6월의 도매가격을 예측하기 위해 사용한 변수인 6월과 3월의 도매가격, 그리고 생산량 변수의 기초 통계량을 알 수 있다. 본 연구는 3월 시점에서 6월의 도매가격을 예측하는 상황을 가정하고 있어, 가장 최근 정보인 3월 도매가격 변수가 사용된다.
본문요약 정보가 도움이 되었나요?

질의응답

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.
질의응답 정보가 도움이 되었나요?

참고문헌 (28)

  1. 강태훈. (2007). 도매시장 경락가격과 반입량의 상호 관계 분석: 배추, 감자, 양파를 중심으로. 농업경제연구 , 48(4), 45-67. 

  2. 국승용, & 김완배. (2007). 강서 농산물 도매시장의 거래제도별 가격효율성의 실증분석. 농업경제연구, 48(2), 51-73. 

  3. 김병률. (2011). 채소 수급 및 유통현황과 개선방향. 한국식품유통학회 2011 하계학술대회 논문집. 

  4. 김배성. (2005). 채소가격 예측을 위한 응용기법별 예측력 비교. 농업경제연구, 46(4), 89-113. 

  5. 김배성, & 조재환. (2010). 중기선행관측을 위한 농축산물 작형별 수급모형 및 예측평가시스템 개발 연구. 농촌경제연구원. 

  6. 김윤진. (2013). 이상기후 현상이 단수 및 변동성에 미치는 영향 : 양파 사례 연구. 서울대학교 석사학위논문. 

  7. 박기환, 박영구, & 김재한. (2007). 주요 채소류의 월별 수입수요함수 추정. 한국농촌경제연구원. 

  8. 박지연, & 박영구. (2013). 배추.무 예측모형 고도화 방안. 한국농촌경제연구원. 

  9. 안병일, 김성용, & 김병률. (2002). 양념채소가격의 변동추세와 요인분석. 농업경제연구 , 43(1), 103-121. 

  10. 오유진, & 김유섭. (2007). 하이브리드 주가예측 모델. 한국정보처리학회, 14(7), 531-540. 

  11. 윤병삼, & 양승룡. (2004). 양념채소 가격의 요일효과, 월별효과 및 월중효과에 관한 연구. 농업경제연구, 45(2), 187-210. 

  12. 이민수, & 최영찬. (2009). 머신러닝을 활용한 모돈의 생산성 예측모델. 농촌지도와 개발, 16(4), 939-965. 

  13. 이중웅. (1996). 고추?마늘?양파의 생산결정요인 분석. 농촌경제, 19(3), 27-50. 

  14. 이용선, 김종진 & 노수정. (2012). 주요 채소 가격의 변동 패턴 및 요인 분석. 한국농촌경제연구원. 

  15. 한석호, & 김병률. (2011). 시장개방하의 배추 수급모형과 전망. 농촌경제, 27(3), 35-53. 

  16. 한국농수산물유통공사. http://www.kamis.co.kr 

  17. 통계청. http://www.kostat.go.kr 

  18. 기상청. http://www.kma.go.kr 

  19. Alioune, D. (2008). Alternative forecasting techniques for vegetable prices in Senegal. Revue Senegalaise des Recherches Agricoles et Agroalimentaires, 1(3), 5-10. 

  20. Ji, B., & Wan, J. (2007). Artificial neural networks for rice yield prediction in mountainous regions. Computers and Electronics in Agriculture, 145(3), 249-261. 

  21. 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. 

  22. 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. 

  23. 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. 

  24. Jon, B., & David, B. (1983). Price forecasting and evaluation: An application in agriculture. Journal of Forecasting, 2(3), 237-248. 

  25. 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. 

  26. 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. 

  27. 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. 

  28. 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. 

저자의 다른 논문 :

LOADING...

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로