枝豆
大田市場主要産地: 群馬 · 千葉 · 山形
現在 · 2026-09-29
¥1,031.9/kg
中値の入荷量加重平均
明日の予測
—/kg
予測データなし
1週間後の予測
—/kg
予測データなし
過去の予測精度
2.0%
MAPE (誤差率) · 方向ヒット 66.7%
04
CHART
価格推移と予測
845 DAYS HISTORY
実績予測前年平年値平年±1σ
表示期間: 2026-08-31 〜 2027-01-12126 日分
04.3
FORECAST
価格レンジ予想
起点 2026-09-29
明日・来週月曜・再来週月曜・4週間後 の 4タイミングについて、 AI 予測値 を中心に「大幅安/安め/同水準/高め/大幅高」 の 5バケットに分け、 各バケットに収まる確率を示します。 「同水準」 は AI 予測値の ±0.5σ 帯 (= 予測がそのまま当たる確率)。 () 内の % は 現在価格 ¥1032 との差。 数字は過去 9年の市場データと気象データから学習した予測です。
明日2026-09-30 (水)
現在¥1032→AI 予測¥991-3.9% ↓(±¥41, 誤差 4.1%)
大幅安↓↓
¥930以下(-9.9%)
AI 確率
7%
安め↓
¥930〜¥971(-7.9%)
AI 確率
24%
最有力
同水準→
¥971〜¥1012(-3.9%)
AI 確率
38%
高め↑
¥1012〜¥1052(+0.0%)
AI 確率
24%
大幅高↑↑
¥1052以上(+2.0%)
AI 確率
7%
来週月曜2026-10-05 (月)
現在¥1032→AI 予測¥1062+2.9% ↑(±¥75, 誤差 7.0%)
大幅安↓↓
¥949以下(-8.0%)
AI 確率
7%
安め↓
¥949〜¥1024(-4.4%)
AI 確率
24%
最有力
同水準→
¥1024〜¥1099(+2.9%)
AI 確率
38%
高め↑
¥1099〜¥1174(+10.1%)
AI 確率
24%
大幅高↑↑
¥1174以上(+13.8%)
AI 確率
7%
再来週月曜2026-10-12 (月)
現在¥1032→AI 予測¥1004-2.7% ↓(±¥99, 誤差 9.8%)
大幅安↓↓
¥856以下(-17.1%)
AI 確率
7%
安め↓
¥856〜¥954(-12.3%)
AI 確率
24%
最有力
同水準→
¥954〜¥1053(-2.7%)
AI 確率
38%
高め↑
¥1053〜¥1152(+6.8%)
AI 確率
24%
大幅高↑↑
¥1152以上(+11.6%)
AI 確率
7%
4週間後2026-11-02 (月)
現在¥1032→AI 予測¥922-10.6% ↓(±¥72, 誤差 7.8%)
大幅安↓↓
¥814以下(-21.1%)
AI 確率
7%
安め↓
¥814〜¥886(-17.6%)
AI 確率
24%
最有力
同水準→
¥886〜¥958(-10.6%)
AI 確率
38%
高め↑
¥958〜¥1030(-3.6%)
AI 確率
24%
大幅高↑↑
¥1030以上(-0.1%)
AI 確率
7%
04.7
ACCURACY
過去予測の精度
直近30日 翌日予測
過去にこのページで AI が出した予測と、 後日判明した実際の価格を答え合わせしたものです。 セル色が緑なら当たり、 赤なら外れ。 公開後から日々蓄積された実運用の精度を、 予測した日 (縦) × 何日先の予測か (横) のマトリクスで一覧できます。
実運用予測蓄積中 (1 / 30 日). 30日経過するまで参考値として 学習時 validation 予測誤差を表示します: 8.7%
05
FORECAST TABLE
14日先 詳細予測
M6 LightGBM-Window
2026-09-29 時点の 枝豆 1,031.9 円/kg を起点に、 1〜14日先の予測価格を一覧表で. 各 horizon の精度 (validation MAPE) も併記し、 「何日先まで信頼できるか」 を透明に示します.
平均 MAPE (1-14日)
8.68%
低いほど精度が高い
平均 方向ヒット率
35%
50%超が実用域、 70%超が良好
起点
¥1,031.9
2026-09-29 時点の中値加重平均
| 日付 | 曜日 | 先 | 予測価格 | 対起点 | horizon MAPE |
|---|
※ horizon MAPE は予測対象日との時差ごとの精度. 14日先になるほど誤差が増える傾向. 休市日 (日曜・祝日) は予測値を出していますが、 実際の取引はありません. 実取引価格は需給・気象異常・物流要因で変動します.
06
FEATURE IMPORTANCE
予測の根拠
LightGBM (M4) が 701 日分のデータから学習した、 価格を予測するために重要だった要因. 寄与度 (gain) で並び替え.
主要な特徴量 (上位5)
01月 (季節)90.8%
02昨年同月の価格6.1%
03直近7日平均気温1.2%
041ヶ月前の価格0.7%
05年内日数0.6%
カテゴリ別の寄与7%91%2%
価格の慣性
過去の価格 (1ヶ月前・昨年同月)
季節性
月・年内日数・旬・曜日
気象条件
気温・降水・日照
主要因は 月 (季節) (90.8%)。 季節性 が予測の 91% を占める。
※ 予測値は参考情報。 実取引価格は需給・産地天候・物流要因で変動します。 過去の予測精度は 精度ページ で全件公開しています。