اقتصاد و بازاریابی
محمد رضا کهنسال؛ امیرحسین توحیدی
چکیده
زعفران ایران از لحاظ کمی و کیفی از جایگاه نمایانی در سطح بینالمللی برخوردار است و با بهرهگیری از ظرفیت موجود میتوان درآمدهای صادراتی حاصل از آن را بهطور قابل ملاحظهای افزایش داد. از سوی دیگر، پیشبینی فروش بر اساس تجزیه وتحلیل سری زمانی یک عنصر بسیار مهم در طراحی و اجرای استراتژیهای بازاریابی در عرصهی بینالمللی ...
بیشتر
زعفران ایران از لحاظ کمی و کیفی از جایگاه نمایانی در سطح بینالمللی برخوردار است و با بهرهگیری از ظرفیت موجود میتوان درآمدهای صادراتی حاصل از آن را بهطور قابل ملاحظهای افزایش داد. از سوی دیگر، پیشبینی فروش بر اساس تجزیه وتحلیل سری زمانی یک عنصر بسیار مهم در طراحی و اجرای استراتژیهای بازاریابی در عرصهی بینالمللی است. اما رویکردهای متداول پیشبینی با نادیده گرفتن ساختار خطی یا غیرخطی دادهها نتایج دقیقی را ارائه نمیدهند. لذا، هدف اصلی این مطالعه طراحی یک مدل هیبرید متشکل از دو روش شبکه عصبی مصنوعی (ANN) و ﺧـﻮد ﺗﻮﺿـﻴﺢ ﺟﻤﻌـﻲ ﻣﻴـﺎﻧﮕﻴﻦ ﻣﺘﺤـﺮک (ARIMA) بهمنظور رفع نواقص و استفاده از ویژگیهای منحصر بهفرد هر یک از این مدلها است. با استفاده از دادههای مربوط به صادرات زعفران ایران طی دورهی 1392-1283، نتایج مطالعه نشان داد که مدل هیبرید ARIMA-ANN در مقایسه با مدلهای ARIMA و ANN از عملکرد بهتری در پیشبینی صادرات زعفران ایران برخوردار است. لذا، با توجه به کارایی شایان توجه مدل هیبرید ARIMA-ANN، استفاده از این مدل در تنظیم استراتژیهای مربوط به صادرات در بازارهای جهانی زعفران و همچنین در پیشبینی متغیرهای سری زمانی توصیه میگردد.