Analysis and Forecast of the Global Price of Agricultural Commodities

סמינר החוג למדיניות ציבורית

יום רביעי 16 בנובמבר 2022 שעה 13:00-14:00

חדר 421 בנין נפתלי, הפקולטה למדעי החברה

מרצה: ד"ר רותם זלינגר

International Institute for Applied Systems Analysis (IIASA)

Analysis and Forecast of the Global Price of Agricultural Commodities: A Comprehensive Integration of Interpretable Machine Learning and Econometric Approaches

Abstract

We present a methodology of a comprehensive medium-term analysis and forecast (CMAF) of

monthly global prices of agricultural commodities. The methodology provides a detailed explanation of the results and enables their full interpretation. Integrating eight econometric and machine learning (ML) methods, CMAF combines the joint effects of over 100 possible variables. In addition, it can consider the inclusion of additional potential explanators for specific needs or purposes. It uses different cross-validation techniques to avoid a priori research assumptions and realistically captures these complex relations. First, the learning process begins with comprehensive stationary and causality tests, which detect the nature of each possible variable and its suitability to serve as an explanatory factor in the changed agricultural commodities prices. Secondly, it performs a retrospective analysis while considering many variables from three different groups: market fundamentals, financial and climatic. Thirdly, it uses relative importance analysis to reduce the number of features and include only those which are the most important for an accurate agricultural commodities price forecasting performance. Lastly, it provides a detailed and intelligible visual interpretation of the results and the learning process in a manner that is clear to persons with no academic or financial background. CMAF can be easily trained using publicly available data and will be made available open source. It is also adaptable and can be applied to forecast the prices of various agricultural commodities, irrespective of budget, language or other skills constraints. The outcome is a powerful and broadly applicable tool that will promote understanding in the global food trade and thus enhance food security and social equity.

תקציר

CMAF  הוא כלי חדיש לניתוח וחיזוי מחירים גלובליים של סחורות חקלאיות לאופק של עד שנה קדימה. המתודולוגיה משלבת שמונה מודלים אקונומטריים ומעולם לימוד מכונה המנתחים יחד מעל למאה משתנים מסבירים אפשריים.  CMAF מספק הסברים כמותיים וויזואליים מפורטים לתוצאות ומאפשר פירוש והבנה שלהן. בנוסף, הכלי מסוגל לבחון את התכנותם של משתנים מסבירים נוספים, בהתאם לצרכי המשתמש או הסיטואציה. תהליך הלמידה מתבצע בארבעה שלבים: ראשית, מבוצעים מבחנים סטטיסטיים הבוחנים את התכנות הנתונים המוזנים לשמש כמשתנים פוטנציאליים ואת אופי הקשר בינם לבין מחיר הסחורה החקלאית הנבחנת. שנית, מבוצע ניתוח רטרוספקטיבי תוך התחשבות בכלל המשתנים שנבחרו על ידי המודל. בשלב השלישי, נעשה סינון של המשתנים לכדי הכללתם של המשתנים בעלי החשיבות הגבוהה ביותר לצורך חיזוי מדויק של מחירי סחורות חקלאיות. לבסוף, הוא מספק פרשנות ויזואלית מפורטת ומובנת של התוצאות ותהליך הלמידה באופן ברור לאנשים ללא רקע אקדמי או כלכלי. CMAF הינו פשוט לשימוש שכן הוא בנוי בבסיסו על מסדי נתונים הפתוחים לציבור הרחב, והוא מתעתד להפוך לקוד פתוח שיופעל ללא צורך ביכולות תכנות. המתודולוגיה מכסה מגוון של סחורות חקלאיות שונות ומטרתה לשרת קהלים רחבים, ללא תלות במגבלות תקציב, שפה או אילוצי כישורים אחרים. התוצאה היא כלי רב עוצמה שעשוי לקדם הבנה בסחר במזון העולמי ובכך לשפר את הביטחון התזונתי והשוויון החברתי.