SOCO - A Multivariate Approach to Time Series Forecasting of Copper Prices with the Help of Multiple Imputation by Chained Equations and Multivariate Adaptive Regression Splines

فصل «SOCO - A Multivariate Approach to Time Series Forecasting of Copper Prices with the Help of Multiple Imputation by Chained Equations and Multivariate Adaptive Regression Splines» از کتاب «Advances in Intelligent Systems and Computing» بر «قیمت و پیش‌بینی» در حوزه «اقتصاد و بازار مس» تمرکز دارد. مباحث اصلی آن شامل بازار، تقاضا و تجارت مس، بازار کالا و ریسک قیمت، ارزش‌گذاری پروژه و تصمیم سرمایه‌گذاری و راهبرد، سیاست‌گذاری و توسعه زنجیره ارزش است. این فصل برای تحلیل بازار، ارزیابی سرمایه‌گذاری، سیاست‌گذاری، مدیریت ریسک و برنامه‌ریزی راهبردی کاربرد دارد و ارتباط میان نظریه، انتخاب روش، شاخص‌های عملکرد و محدودیت‌های صنعتی را روشن می‌کند.

The proposed methodology is based on the use of multiple imputation with chained equations (MICE) in order to forecast the values of the missing data and then to train multivariate adaptive regression splines models capable of predicting the price of copper in advance. The prediction of prices from September 2018 to August 2019 showed a root mean squared error (RMSE) value of 318.7996, a mean absolute percentage error (MAPE) of 0.0418 and a mean absolute error (MAE) of 252.8567.