پذیرفته شده برای ارائه شفاهی

کد مقاله : 1680-RIERCO

پلی ویسن

این پژوهش به بررسی پویایی عرضه و تقاضای جهانی لاستیک طبیعی نوع SMR و پیش‌بینی روند قیمتی آن با استفاده از روش‌های هوش‌مصنوعی و یادگیری ماشین می‌پردازد. داده‌های ماهانه‌ی ۲۰۲۴ تا ۲۰۲۵ شامل تولید، صادرات، موجودی انبار و قیمت SMR در مالزی، به همراه شاخص تولید تایر در چین به‌عنوان نماینده‌ی تقاضای نهایی، مورد استفاده قرار گرفت. پس از مهندسی ویژگی‌ها و استخراج شاخص‌های کلیدی بازار، مانند تغییر موجودی و عرضه‌ی خالص، رابطه‌ی متقابل عرضه‌ی مالزی و تقاضای چین در قالب یک چارچوب تجربی تحلیل شد. سپس سه مدل شامل رگرسیون Ridge، جنگل تصادفی (Random Forest) و XGBoost به عنوان الگوریتم های هوش‌مصنوعی برای پیش‌بینی قیمت ماه‌های آینده به‌کار گرفته شد. نتایج نشان داد که ترکیب شاخص‌های عرضه و موجودی با شاخص‌های تولید صنعتی می‌تواند درک دقیق‌تری از رفتار قیمتی SMR فراهم سازد. چارچوب پیشنهادی می‌تواند به‌عنوان ابزاری کاربردی برای تصمیم‌گیری در خرید، ذخیره‌سازی و سیاست‌گذاری تجاری در زنجیره‌ی تأمین لاستیک طبیعی مورد استفاده قرار گیرد.

لاستیک طبیعی SMR؛ هوش مصنوعی؛ یادگیری ماشین؛ شاخص‌های بازار و موجودی؛ مدل‌های تصادفی و تقویتی

بازار و تجارت