Neues Bangladesch-Dataset liefert Benchmark für Agrarpreisprognosen

Ein neues Forschungsprojekt hat ein umfangreiches Datenset namens AgriPriceBD veröffentlicht, das 1 779 tägliche Einzelhandelsmittelpreise für fünf wichtige Bangladeschische Agrarprodukte – Knoblauch, Kichererbsen, grüne Chilischoten, Gurken und Süßpumpkin – von Juli 2020 bis Juni 2025 umfasst. Die Daten wurden mithilfe einer LLM‑gestützten Digitalisierungspipeline aus Regierungsberichten extrahiert und stellen damit die erste öffentlich zugängliche, maschinell nutzbare Preisreihe für Südasien dar.

Um die Vorhersagekraft verschiedener Modelle zu prüfen, wurden sieben Ansätze getestet, die klassische Verfahren wie näive Persistenz, SARIMA und Prophet sowie moderne Deep‑Learning‑Architekturen wie BiLSTM, Transformer, Time2Vec‑verbesserten Transformer und Informer abdecken. Mit Diebold‑Mariano‑Tests wurde die statistische Signifikanz der Ergebnisse bewertet.

Die Analyse zeigte, dass die Vorhersagefähigkeit der Preise stark variieren kann. Bei nahezu zufälligen Preisbewegungen überwiegt die näive Persistenz, während komplexere Modelle keine signifikante Verbesserung bringen. Die Time2Vec‑Kodierung führte sogar zu einer drastischen Verschlechterung bei grünen Chilischoten (+146 % MAE). Prophet, das auf glatte Preisentwicklungen ausgelegt ist, scheiterte systematisch, weil die tatsächlichen Preisverläufe diskrete Sprünge aufweisen. Informer produzierte unzuverlässige Vorhersagen mit einer Varianz bis zu 50‑fach höher als die Realität, was darauf hindeutet, dass sparsamer Attention‑Mechanismus bei kleinen Datensätzen nicht ausreicht.

Alle Code‑Snippets, Modelle und die vollständige Datensammlung sind frei verfügbar, sodass Forscher und Praktiker sofort mit eigenen Analysen beginnen können. Dieses Projekt liefert damit einen wichtigen Meilenstein für die Entwicklung von Preisprognosen in Entwicklungsländern und unterstützt die Planung von Ernährungssicherheit und Einkommensstabilität von Kleinbauern.