Analýza determinant zahraničního obchodu s vybranými zemědělskými komoditami

Bc. Vojtěch Korec

Master's thesis

Analysis of determinants of foreign trade with choosen agricultural commodities

Abstract:

Diplomová práce se zabývá analýzou determinant vývozu pšenice, hovězího masa a mléka z ČR. V případě vývozu pšenice byly identifikovanými determinanty průběh devizových intervencí ČNB, světová cena pšenice a vývoz pšenice v několika předchozích měsících. V případě vývozu hovězího masa se jednalo o vývoz hovězího masa v předchozím měsíci, vývoz živého skotu a průměrnou cenu hovězího masa na trhu EU. V případě vývozu mléka se jednalo o vývoz mléka v předchozím měsíci, produkci mléka a průměrnou cenu syrového mléka na trhu EU. Při volbě vhodné funkční formy modelu bylo rozhodováno mezi formou lineární a mocninnou. Vývoj vývozu pšenice a mléka byl modelován pomocí lineárního modelu a vývoj vývozu hovězího masa pomocí mocninného modelu. Největší vliv na vývoz analyzovaných komodit měl vývoz těchto komodit v předchozích obdobích, což potvrdilo předpoklad silné role setrvačnosti v jejich vývoji, o níž je v práci blíže pojednáno. Na všechny modely byla úspěšně aplikována ekonomická, statistická a ekonometrická verifikace. Jako podkladová data sloužily měsíční nestacionární časové řady a analýzou reziduí byla potvrzena pravá regrese. Pomocí verifikovaných modelů vývozu pšenice a vývozu hovězího masa byla provedena bodová prognóza ex-post na měsíce prvních tří čtvrtletí roku 2020. Průměrná přesnost prognóz vývozu pšenice byla 76,4% a vývozu hovězího 85,63%. Jako alternativní přístup k modelování vztahu mezi proměnnými byla zvolena technika třívrstvé neuronové sítě, jež ve všech třech případech vystihla tento vztah lépe, což je způsobeno výraznou schopností neuronové sítě vystihnout nelineární aspekty vztahů proměnných. Průměrná přesnost predikcí vývozu pšenice a hovězího masa na období prvních tří čtvrtletí roku 2020 byla 81,58% resp. 85.60%. Pomocí techniky třívrstvé neuronové sítě bylo v porovnání s ekonometrickými modely dosaženo lepších či srovnatelných výsledků a lze je tedy považovat za vhodný doplněk ekonometrických modelů.

Abstract:

The diploma thesis deals with the analysis of determinants of wheat, beef and milk exports from the Czech Republic. In the case of wheat exports, the determinants identified were the course of the CNB's foreign exchange interventions, the world price of wheat and wheat exports in the previous few months. In the case of beef exports, these were beef exports in the previous month, live cattle exports and the average price of beef on the EU market. In the case of milk exports, these were milk exports in the previous month, milk production and the average price of raw milk on the EU market. When choosing a suitable functional form of the model, a decision was made between the linear and the power form. The development of wheat and milk exports was modeled using a linear model and the development of beef exports using a power model. The greatest influence on the export of the analyzed commodities had the export of these commodities in previous periods, which confirmed the assumption of a strong role of inertia in their development, which is discussed in more detail in the work. Economic, statistical and econometric verification was successfully applied to all models. Monthly non-stationary time series served as background data and true regression was confirmed by residue analysis. Using verified models of wheat exports and beef exports, an ex-post point forecast for the months of the first three quarters of 2020 was performed. The average accuracy of wheat export forecasts was 76.4% and the accuracy of beef export forecasts was 85.63%. As an alternative approach to modeling the relationship between variables, the technique of three-layer neural network was chosen, which in all three cases captured this relationship better, which is due to the strong ability of the neural network to capture nonlinear aspects of variable relationships. The average accuracy of wheat and beef export forecasts for the first three quarters of 2020 was 81.58% and 85.60%, respectively. Using the three-layer neural network technique, better or comparable results were achieved in comparison with econometric models and can therefore be considered a suitable complement to econometric models.

Keywords

ekonometrický model, vícevrstvá neuronová síť, vývoz pšenice, vývoz hovězího masa, vývoz mléka, zahraniční agrární obchod, predikce, prognóza

Keywords

econometric model, multilayer neural network, wheat exports, beef exports, milk exports, foreign agrarian trade, prediction, prognosis

Language used: Czech

Date on which the thesis was submitted / produced: 31. 3. 2021

Thesis defence

• Supervisor: Ing. Pavlína Hálová, Ph.D.

Czech University of Life Sciences Prague

Faculty of Economics and Management

Master programme / field:
Economics and Management / Economics and Management