การพยากรณ์ราคาและผลผลิตปาล์มน้ำมันของไทย
0
0
Files
Issued Date
2016
Resource Type
Language
tha
File Type
application/pdf
Rights
Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0)
Rights Holder(s)
มหาวิทยาลัยสุโขทัยธรรมาธิราช
Suggested Citation
บรรจบ ซุ้นสุวรรณ (2016). การพยากรณ์ราคาและผลผลิตปาล์มน้ำมันของไทย. สืบค้นจาก: https://hdl.handle.net/20.500.14770/4739
Alternative Title(s)
Forecasting of oil palm price and production in Thailand
Author(s)
Advisor(s)
Other Contributor(s)
Abstract
การวิจัยครั้งนี้ มีวัตถุประสงค์เพื่อศึกษา 1) สภาพทั่วไป การผลิต การแปรรูป และการตลาดอุตสาหกรรมปาล์มน้ำมัน รวมทั้งนโยบายที่เกี่ยวข้อง และ 2) เลือกแบบจำลองที่เหมาะสมสำหรับใช้พยากรณ์ราคาปาล์มน้ำมันที่เกษตรกรขายได้และผลผลิตปาล์มน้ำมันรายเดือนในประเทศ ผลการวิจัยพบว่า 1) ประเทศไทยมีพื้นที่ปลูกปาล์มน้ำมัน ปี 2558 จำนวน 4.70 ล้านไร่ เนื้อที่ให้ผล 4.28 ล้านไร่ ผลผลิต 11.02 ล้านตัน ผลผลิตเฉลี่ย 2.58 ตันต่อไร่ มีต้นทุนการผลิตเฉลี่ย 3.13 บาทต่อกิโลกรัม หรือ 8,062 บาทต่อไร่ ผลิตน้ำมันปาล์มดิบได้ 2.07 ล้านตัน ใช้บริโภค 0.99 ล้านตัน และใช้ผลิตไบโอดีเซล 0.81 ล้านตัน 2) การพยากรณ์ราคาและผลผลิตปาล์มน้ำมันรายเดือนพบว่า (1) การพยากรณ์ราคาปาล์มน้ำมันที่เกษตรกรขายได้ด้วยวิธี SARIMA แบบจำลอง SARIMA(2,1,2)(0,1,1),, มีความเหมาะสมในการนำไปใช้พยากรณ์ราคาปาล์มน้ำมันมากที่สุด เนื่องจากมีค่า RMSE ต่ำที่สุด 0.455673 ในขณะที่การพยากรณ์ด้วยวิธี Exponential Smoothing Method แบบจำลอง Holt-Winters Multiplicative เหมาะสมที่สุด มีค่า RMSE 0.474868 และวิธี ARIMA แบบจำลอง ARIMA(1,1,2) เหมาะสมที่สุด มีค่า RMSE 0.512524 (2) การพยากรณ์ผลผลิตปาล์ม น้ำมันด้วยวิธี Exponential Smoothing แบบจำลอง Holt-Winters Additive มีความเหมาะสมในการนำไปใช้พยากรณ์ผลผลิตปาล์มน้ำมันมากที่สุด เนื่องจากมีค่า RMSE ต่ำที่สุด 105236.1 ในขณะที่การพยากรณ์ด้วยวิธี ARIMA แบบจำลอง ARIMA(0,1,1) มีความเหมาะสมที่สุด มีค่า RMSE 122765.0และวิธี SARIMA แบบจำลอง SARIMA(1,10)(0,1,1),, มีความเหมาะสมที่สุด มีค่า RMSE 123535.3
The objectives of this study are 1) to conduct overall study of the production, processing and marketing of palm oil industry, including relevant policies, 2) to select the suitable method for forecasting a monthly price and production of oil palm in the country. Research is done by describing the general conditions of the production, processing and marketing of palm oil industry. The forecast is done by using Exponential Smoothing Method, ARIMA and SARIMA. Data are collected for a monthly price and production of Thai oil palm starting from January 2005 to December 2015. The most suitable forecasting method that displays the lowest Root Mean Square Error (RMSE) is then selected. Research findings are as follows: 1) Thailand has 4.70 million rai of oil palm area in 2015, with 4.28 million rai of plantation area, producing 11.02 million tons of oil palm production and 2.58 tons of oil palm yield per rai. The average cost of oil palm production is 3.13 baht per kilogram, or 8,062 baht per rai. Corresponding capacity of crude palm Oil production is about 2.07 million tons, with 0.99 million tons for consumption and 0.81 million tons for biodiesel production; 2) Forecasting of monthly oil palm price and production found that (1) the result of forecasted price from SARIMA(2,1,2) (0,1,1)12 model is the most suitable forecasting method, as this method displays the lowest RMSE (0.455673). While a prediction using Exponential Smoothing Method with Holt-Winters Multiplicative model provides the lowest RMSE(0.474868), and ARIMA(1,1,2) model provides the lowest RMSE (0.512524), (2) the result of production forecast by Exponential Smoothing method from Holt-Winters Additive model is the most suitable forecasting method, because this method displays the lowest RMSE (105236.1). While a prediction using ARIMA(0,1,1) model provides the lowest RMSE(122765.0) and SARIMA(1,1,0)(0,1,1)12 model provides the lowest RMSE (123535.3).
The objectives of this study are 1) to conduct overall study of the production, processing and marketing of palm oil industry, including relevant policies, 2) to select the suitable method for forecasting a monthly price and production of oil palm in the country. Research is done by describing the general conditions of the production, processing and marketing of palm oil industry. The forecast is done by using Exponential Smoothing Method, ARIMA and SARIMA. Data are collected for a monthly price and production of Thai oil palm starting from January 2005 to December 2015. The most suitable forecasting method that displays the lowest Root Mean Square Error (RMSE) is then selected. Research findings are as follows: 1) Thailand has 4.70 million rai of oil palm area in 2015, with 4.28 million rai of plantation area, producing 11.02 million tons of oil palm production and 2.58 tons of oil palm yield per rai. The average cost of oil palm production is 3.13 baht per kilogram, or 8,062 baht per rai. Corresponding capacity of crude palm Oil production is about 2.07 million tons, with 0.99 million tons for consumption and 0.81 million tons for biodiesel production; 2) Forecasting of monthly oil palm price and production found that (1) the result of forecasted price from SARIMA(2,1,2) (0,1,1)12 model is the most suitable forecasting method, as this method displays the lowest RMSE (0.455673). While a prediction using Exponential Smoothing Method with Holt-Winters Multiplicative model provides the lowest RMSE(0.474868), and ARIMA(1,1,2) model provides the lowest RMSE (0.512524), (2) the result of production forecast by Exponential Smoothing method from Holt-Winters Additive model is the most suitable forecasting method, because this method displays the lowest RMSE (105236.1). While a prediction using ARIMA(0,1,1) model provides the lowest RMSE(122765.0) and SARIMA(1,1,0)(0,1,1)12 model provides the lowest RMSE (123535.3).
Description
วิทยานิพนธ์ (ศ.ม. (เศรษฐศาสตร์))--มหาวิทยาลัยสุโขทัยธรรมาธิราช, 2559
Degree Name
เศรษฐศาสตรมหาบัณฑิต
Degree Level
ปริญญาโท
Degree Discipline
เศรษฐศาสตร์
Degree Grantor(s)
มหาวิทยาลัยสุโขทัยธรรมาธิราช
View online Resources
Collections
Endorsement
Review
Supplemented By
Referenced By
Creative Commons license
Except where otherwised noted, this item's license is described as Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0)