پیش بینی قیمت برای برنامه ریزان و سیاست گذاران و واحدهای اقتصادی و کشاورزی از اهمیت ویژه ای برخوردار است و از همین رو مدل های گوناگونی برای پیش بینی متغیرهای اقتصادی ابداع شده است. این مطالعه قیمت انواع چوب ایران و فرآورده های وارداتی آن را پیش بینی و دقت روش های پارامتری و ناپارامتری را در پیش بینی این متغیر مقایسه می کند. روش های مورد استفاده در این مطالعه عبارت است از هموارسازی نمایی منفرد با روند، هموارسازی نمایی دوگانه با روند، الگوریتم هالت – وینترز تجمعی، الگوریتم هالت – وینترز ضربی، الگوی خود توضیح جمعی میانگین متحرک، الگوی خود توضیح برداری و شبکه ی عصبی مصنوعی. در روش های ناپارامتری، روش شبکه عصبی مصنوعی برای انواع تراورس، کاتین، الوار، هیزم و ذغال و برای نوع گرده بینه روش هالت وینترز ضربی میزان خطای کمتری را دارا بوده است. در روش شبکه ی عصبی از میان عوامل تأثیر گذار بر روی قیمت انواع چوب، سه عاملی را که دارای بیشترین اهمیت بوده اند شناسایی شده اند به طوری که برای انواع گرده بینه به ترتیب نرخ ارز، درآمد سرانه و میزان تولید چوب با درجه اهمیت 0.110,.337,0.471 ، الوار نرخ ارز، تولید ناخالص داخلی و درآمد سرانه دارای درجه اهمیت 0.202,0.212, 0.296، تراورس میزان تولید چوب، میزان خانه سازی و تولید ناخالص داخلی با درجه اهمیت 0.168,0.284, 0.287 ، کاتین میزان خانه سازی، تولید چوب و تولید ناخالص داخلی به ترتیب دارای درجه اهمیت 0.197,0.287, 0.381 و برای انواع هیزم نرخ ارز، درآمد سرانه، تولید ناخالص داخلی با درجه اهمیت 0.196,0.209,0.460 و در نهایت سه عامل مهمتر در قیمت ذغال به ترتیب نرخ ارز، میزان تولید چوب و تورم با درجه اهمیت 0.144,0.270,0.381 بوده است.نتایج حاصل از پیش بینی قیمت برای سال های 1390 تا 1394 با استفاده از روش ann برای انواع تراورس، کاتین، هیزم و ذغال روندی افزایشی و برای الوار روندی کاهشی را پیش بینی می کند والگوریتم هالت وینترز ضربی روندی صعودی را برای گرده بینه پیش بینی نموده است. براساس نتایج حاصل از روش های پارامتری، بر اساس معیار میانگین مربعات خطا، روش var در انواع تراورس، کاتین، ذغال و گرده بینه دارای کمترین خطا نسبت به روش arima بوده است. نتایج حاصل از پیش بینی با استفاده از روش var نشان دهنده ی روند متغیر( صعودی- نزولی) قیمت برای انواع کاتین و ذغال و نیز روند قیمتی کاهشی برای انواع تراورس و گرده بینه بوده است. در مورد فرآورده های وارداتی روش شبکه ی عصبی که جزء روشهای ناپارامتری می باشد در مقایسه با روش پارامتری خود توضیح برداری دارای مزیت است. نتایج پیش بینی قیمت فرآورده های وارداتی برای قیمت های ریالی برای سال های 1390 تا 1394 روند افزایشی در قیمت کدهای 44،48،94،49 و روند کاهشی را برای کد47 نشان می دهد و در مورد قیمت های دلاری روند افزایشی شامل کدهای 44،47،48،94 و روند کاهشی شامل کد 49 می باشد. برای تمامی فرآورده های وارداتی میانگین مربعات خطا ی روش شبکه ی عصبی در مقایسه با روش پارامتری خود توضیح جمعی میانگین متحرک کمتر است. مقدار این آماره در روش شبکه ی عصبی برای قیمت های ریالی کدهای 44 ،47 ،48، 94 و 49 به ترتیب 1.26×109، 1.02×109 ، 1.10×109 ، ×10132.13و×1012 1.45 و برای قیمت های دلاری به ترتیب 2.508203،0.440881 ، 0.441681 ، 2.695401 ، 0.584210 می باشد. در میان عوامل تاثیر گذار بر روی قیمت فرآورده ها ی وارداتی، عامل نرخ ارز مهمترین فاکتور شناسایی شد.