内容摘要：玉米价格的波动对农业经济发展和市场稳定具有重要影响。为了提升价格预测的准确性并识别关键影响因素，本文以2000年1月-2024年10月中国月度玉米价格数据为研究对象，采用了传统计量模型（ARIMA）、单一机器学习模型（RF、LSTM）和组合机器学习模型（MIV-LSTM）对玉米价格波动进行预测，并对比分析不同模型的预测性能。研究结果表明，随机森林（RF）模型在所有指标上均表现优异，具有最高的预测精度；其次，MIV-LSTM和LSTM模型表现较好，但精度上略逊于RF模型；而传统的ARIMA模型在该研究中表现较差，适用性较为有限。这一结论印证了机器学习中算法选择的NFL定理。本文的研究为玉米价格预测和农业价格政策制定提供了技术支持，并为进一步提高预测准确性和科学性提供了研究方向。
关键词：价格预测；MIV-LSTM；LSTM；ARIMA；随机森林（RF）
中图分类号：F015 文献标识码：A 文章编号：2095-9397（2026）06-0188-05
文章著录格式：郭鸿鹏，于沁冉，李嘉殷.农产品价格波动预测模型评估比较—基于中国玉米价格的实证[J].商业经济研究，2026（6）：188-192
基金课题：教育部人文社科基金“农业生产性服务嵌入视角下东北黑土区保护性耕作补贴政策效果评价及优化研究”（编
号：24YJA790009）；吉林省教育厅社会科学研究项目“吉林省创新驱动发展战略下农业强省建设路径研究”（编
号： JJKH20241360SK）；吉林省科技发展计划项目“国家粮食安全战略下吉林省种业振兴对策研究”（编
号：20230601139FG）；吉林大学创新创业训练计划资助项目“基于机器学习（ML）的中国玉米价格波动趋势分析及
预测”（编号：202410183177）
|
京公网安备 11010702002186号