白菜
価格推移と予測
価格レンジ予想
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 ¥102 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。
過去予測の精度
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。
縦 = 予測した日、 横 = N日先。 セル色 = 誤差% (緑=当たり、 黄=やや外れ、 赤=外れ). 縦に読むと「N日先予測の精度推移」 がわかります.
| 予測した日 | 起点 ¥ | 1日後 | 3日後 | 1週間後 | 2週間後 | 4週間後 |
|---|---|---|---|---|---|---|
| 2026-10-22 | ¥102 | · | · | · | · | · |
| 2026-10-21 | 休市 | |||||
| 2026-10-20 | ¥102 | · | · | · | · | · |
| 2026-10-19 | ¥116 | +12% | +23% | · | · | · |
| 2026-10-18 | 休市 | |||||
| 2026-10-17 | ¥106 | · | +11% | · | · | · |
| 2026-10-16 | ¥137 | +30% | +8% | · | · | · |
| 2026-10-15 | ¥132 | +6% | · | +24% | · | · |
| 2026-10-14 | 休市 | |||||
| 2026-10-13 | ¥201 | · | +40% | +31% | · | · |
| 2026-10-12 | 休市 | |||||
| 2026-10-11 | 休市 | |||||
| 2026-10-10 | ¥219 | · | -10% | +49% | · | · |
| 2026-10-09 | ¥209 | -18% | · | +11% | · | · |
| 2026-10-08 | ¥234 | -0% | · | +22% | -3% | · |
| 2026-10-07 | 休市 | |||||
| 2026-10-06 | ¥230 | · | -9% | -19% | -4% | · |
| 2026-10-05 | ¥237 | -6% | -21% | · | -16% | · |
| 2026-10-04 | 休市 | |||||
| 2026-10-03 | ¥225 | · | -22% | -30% | -8% | · |
| 2026-10-02 | ¥218 | -16% | -32% | -40% | -32% | · |
| 2026-10-01 | ¥93 | -55% | · | -58% | -30% | · |
| 2026-09-30 | 休市 | |||||
| 2026-09-29 | ¥82 | · | -52% | -55% | -54% | · |
| 2026-09-28 | ¥202 | +148% | +96% | -45% | · | · |
| 2026-09-27 | 休市 | |||||
| 2026-09-26 | 予測なし | |||||
| 2026-09-25 | 予測なし | |||||
| 2026-09-24 | 予測なし | |||||
| 2026-09-23 | 予測なし | |||||
| 2026-09-22 | 休市 | |||||
全期間: n=16, MAPE 34.7%, 方向当て率 56%.学習時 validation 予測誤差: 40.2%.
14日先 詳細予測
2026-10-30 時点の 白菜 80.2 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.
| 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.
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.
主要因は 年内日数 (36.7%)。 季節性 が予測の 53% 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。