基于时间序列分析模型的辣椒价格季节性特征分析

摘要

为减轻价格异常波动对辣椒价格带来的负面影响，需建立精准预测模型以促进市场环境透明化，保障多方利益，推动农业与经济健康发展。本文采用贵州省灯笼椒的历史价格、气温、日照时长、降水量及农产品消费价格指数等数据，利用皮尔森相关系数法分析变量间相关性，构建自回归积分移动平均模型(autoregressive integrated moving average, ARIMA)、自回归模型(autoregressive model, AUTOREG)和季节性分解的时间序列模型(seasonal and trend decomposition using LOESS,STL)等3种时间序列模型，分析近年价格变化趋势，预测2025年1月至6月灯笼椒价格并与实际值对比，同时预测2025年7月至10月价格。研究表明，气温对辣椒价格的影响较为显著，辣椒价格具有明显的季节性波动特征。在辣椒价格预测分析中，STL模型在短期预测中能够较好地预测价格趋势，还具有优秀的模型指标。本研究通过模型优选为农产品价格预测提供方法支持，对降低价格波动负面影响、提升预测精度、优化农业供应链管理及促进农业技术发展具有重要意义。

关键词

辣椒价格 / 时间序列预测模型 / ARIMA / AUTOREG / STL