論文の概要: When Prices Double in a Week: Forecasting of Agricultural Volatility in Import-Isolated Markets

• arxiv url: http://arxiv.org/abs/2606.29248v2
• Date: Mon, 06 Jul 2026 19:44:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-08 19:12:31.236827
• Title: When Prices Double in a Week: Forecasting of Agricultural Volatility in Import-Isolated Markets
• Title（参考訳）: 1週間で物価が倍増する時-輸入市場における農業の変動予測
• Abstract要約: スリランカの野菜の価格は非常に不安定である。 本研究では,サプライチェーンを意識した特徴を組み込むことで,このような変動を予測する機械学習フレームワークを開発した。
• 参考スコア（独自算出の注目度）: 1.5164041225909122
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Vegetable prices in Sri Lanka are highly volatile because the market is largely import-isolated, so supply disruptions quickly drive prices up. This study develops a machine learning framework to forecast such volatility by incorporating supply-chain-aware features and explicitly modelling the country's two cultivation seasons, Maha (October-April) and Yala (May-September). An integrated dataset was constructed by combining retail and farmer-gate prices with origin-aligned weather variables, diesel costs, and exchange rates across 12 vegetable varieties and 14 market centres from 2013 to 2019. A gradient-boosted ensemble model (XGBoost and LightGBM) was trained and optimised using Optuna, and unified and season-specific configurations were compared. Results show that season-specific models improve within-season fit, with the Yala-specific model achieving the highest R2 of 0.9420 (95% CI [0.690, 1.000]), while the unified model delivers the best overall predictive accuracy of 90.84% (95% CI [88.34%, 91.52%]) and an R2 of 0.9281 (95% CI [0.760, 1.000]). Notably, the unified model maintains 85.96% accuracy on a completely unseen 2024 hyperinflationary period without retraining, successfully tracking major price surges. These findings suggest that agricultural price movements in import-constrained markets are meaningfully predictable when models capture supply-chain dynamics, offering practical value for early warning and decision making by farmers, traders, and policymakers. Existing studies on Sri Lankan vegetable prices are confined to Autoregressive Integrated Moving Average (ARIMA) and Generalized Autoregressive Conditional Heteroskedasticity (GARCH) applied to single markets, with no supply-chain features, seasonal segmentation, or cross-regime validation.
• Abstract（参考訳）: スリランカの野菜価格は非常に不安定であり、市場は大部分が輸入分離されているため、サプライ・ディスラプションが急速に価格を上昇させている。 本研究では,サプライチェーンを意識した特徴を取り入れ,マハ(10～4月)とヤラ(5～9月)の2つの栽培時期を明示的にモデル化することで,このような変動を予測する機械学習フレームワークを開発した。 2013年から2019年にかけて、12種類の野菜と14の市場センターで、小売店とファーマーゲート価格を原産地の気象変動、ディーゼルコスト、為替レートと組み合わせて統合データセットを構築した。 エンサンブルモデル(XGBoostとLightGBM)をOptunaを用いて訓練,最適化し,統合化と季節別構成を比較した。 その結果、季節別モデルではシーズン内適合性が向上し、ヤラ固有モデルは最高R2が0.9420(95% CI [0.690, 1.000])、統一モデルは最高予測精度が90.84%(95% CI [88.34%, 91.52%]、R2が0.9281(95% CI [0.760, 1.000])となっている。 特に、統一されたモデルは、再トレーニングなしで完全に見えない2024のハイパーインフレ期間において85.96%の精度を維持し、大きな価格急上昇を追跡することに成功した。 これらの結果は、輸入制限市場における農業価格の動きが、モデルがサプライチェーンのダイナミクスを捉え、農家、トレーダー、政策立案者による早期の警告と意思決定に実用的な価値を提供するときに、有意義に予測可能であることを示唆している。 スリランカの野菜の価格に関する既存の研究は、サプライチェーンの特徴、季節区分、およびクロスレジーム検証を伴わず、単一市場に適用された、自己回帰統合移行平均(ARIMA)と一般化自己回帰条件ヘテロスケダストリティ(GARCH)に限られている。

関連論文リスト

• Tyan-WP: A Wind Power Foundation Model for Ultra-Short-Term Probabilistic Forecasting [34.21419135186753]
  我々は,超短周期確率予測のための最初の風力発電基礎モデルであるtextbfTyan-WP を提案する。 Tyan-WPは10のドメインサイトにおいて8つのサイト固有のTSMを超え、117のドメインサイトにおいて11のジェネリックLTSMを上回っている。 その結果,風力基礎モデルでは,目標地点の訓練を伴わずに正確なゼロショット予測が可能であることが示唆された。
  論文  参考訳（メタデータ） (2026-06-07T13:50:09Z)
• Kalimati Vegetable Price Index Forecasting with a Momentum Corrected Online Stacking Ensemble [0.0]
  Kalimati Vegetable Price Indexは10年以上にわたってKathmanduから毎日135品目を集めている(2013-2023) 祭りのリードラグ効果、ローリング統計、カレンダー変数など、64の因果的有効機能の豊富なセットが開発された。 統計的,木ベース,ディープラーニング,ハイブリッド,トランスフォーマーアーキテクチャにまたがる14の予測モデルを厳格に評価した。
  論文  参考訳（メタデータ） (2026-05-29T01:25:32Z)
• Electricity price forecasting across Norway's five bidding zones in the post-crisis era [2.679345223424902]
  ノルウェーの電力市場は水力発電に大きく支配されている。 2021-2022年のエネルギー危機と大陸ヨーロッパとの緊密な統合は、価格形成を根本的に変えた。 ノルウェーの5つの北プール帯の電力価格予測を総合的に評価する。
  論文  参考訳（メタデータ） (2026-04-29T13:02:02Z)
• Machine Learning and Deep Learning Models for Short Term Electricity Price Forecasting in Australia's National Electricity Market [3.299203499767714]
  競争力のある電力市場では短期的な電力価格予測が不可欠である。 しかし、電気価格シリーズは高いボラティリティ、不規則性、非定常性を示す。 本研究は,これらの課題に対処する統一ベンチマークフレームワークを開発する。
  論文  参考訳（メタデータ） (2026-04-26T22:57:39Z)
• A Benchmark of Classical and Deep Learning Models for Agricultural Commodity Price Forecasting on A Novel Bangladeshi Market Price Dataset [1.9635288496224899]
  AgriBDはバングラデシュの5つの商品の1日あたりの小売価格は1,779ドルである。 古典的モデルとディープラーニングアーキテクチャにまたがる7つの予測手法を評価する。 すべてのコード、モデル、データは公開され、レプリケーションと将来の予測研究をサポートする。
  論文  参考訳（メタデータ） (2026-03-27T20:21:52Z)
• Regression Models Meet Foundation Models: A Hybrid-AI Approach to Practical Electricity Price Forecasting [39.91788164419845]
  回帰に基づく予測を強化する新しいパラダイムであるFutureBoostingを提案する。 私たちはこのパラダイムを、電力価格予測のための軽量でプラグアンドプレイのフレームワークにインスタンス化します。 我々のフレームワークは、最先端のTSFMとレグレッションベースラインを一貫して上回っている。
  論文  参考訳（メタデータ） (2026-03-06T02:06:46Z)
• Exploring the Interpretability of Forecasting Models for Energy Balancing Market [43.548887305614585]
  エネルギーセクターのバランス市場は、供給と需要の物理的および経済的バランスにおいて重要な役割を担っている。 複雑な機械学習モデルは高い精度を達成することができるが、ブラックボックスの性質はモデルの解釈可能性を大幅に制限する。 本稿では,エネルギーバランス市場におけるモデル精度と解釈可能性のトレードオフについて検討する。
  論文  参考訳（メタデータ） (2026-01-19T12:56:41Z)
• Crop recommendation with machine learning: leveraging environmental and economic factors for optimal crop selection [0.0]
  農業はインドにおける食料生産、経済成長、雇用の主な源となっている。 作物レコメンデーションシステムのような計算ツールの採用は、農家が生産性の低下に対処するための新しい方法を提供する。 本研究では、15州に19の作物を栽培する環境・経済要因を用いてランダムフォレストとSVMモデルの開発と評価を行った。
  論文  参考訳（メタデータ） (2025-05-27T13:47:56Z)
• ML-Based Bidding Price Prediction for Pay-As-Bid Ancillary Services Markets: A Use Case in the German Control Reserve Market [45.62331048595689]
  本稿では,ドイツ支配予備市場を中心に,従量制サービス市場における入札価格の予測手法を提案する。 サポートベクトル回帰、決定木、k-Nearest Neighborsなど、さまざまな機械学習モデルを評価し、ベンチマークモデルと比較する。 分析の結果,提案手法はベースラインモデルと比較して27.43%から37.31%に改善することが示された。
  論文  参考訳（メタデータ） (2025-03-21T15:21:43Z)
• Long-term drought prediction using deep neural networks based on geospatial weather data [75.38539438000072]
  農業計画や保険には1年前から予測される高品質の干ばつが不可欠だ。 私たちは、体系的なエンドツーエンドアプローチを採用するエンドツーエンドアプローチを導入することで、干ばつデータに取り組みます。 主な発見は、TransformerモデルであるEarthFormerが、正確な短期(最大6ヶ月)の予測を行う際の例外的なパフォーマンスである。
  論文  参考訳（メタデータ） (2023-09-12T13:28:06Z)
• Stock Price Prediction Under Anomalous Circumstances [81.37657557441649]
  本稿では,異常な状況下での株価の変動パターンを捉えることを目的とする。 ARIMAとLSTMのモデルは、シングルストックレベル、業界レベル、一般市場レベルでトレーニングします。 2016年から2020年にかけての100社の株価に基づいて、平均予測精度は98%に達した。
  論文  参考訳（メタデータ） (2021-09-14T18:50:38Z)
• Hybrid Modelling Approaches for Forecasting Energy Spot Prices in EPEC market [62.997667081978825]
  EPEC市場におけるエネルギースポット価格予測のためのハイブリッドモデリング手法について検討する。 データは2013-2014年の電力価格、2015年のテストデータで提供された。
  論文  参考訳（メタデータ） (2020-10-14T12:45:53Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。