Actuele prijsforecast
Actuele prijsforecastModel GradientBoosting_ARDL@selected_h8_mixed_v4
Artefactupdate zondag 19 april 2026 om 12:40 uur (UTC)
De hoofdgrafiek toont nu de AI-voorspelling: werkelijke prijs en historische forecast blijven gelijk; alleen de vooruitblik wisselt.
Meer modelcatalogi en voorspellingen van andere modellenDrivers als eerste klas burger
Scenario's zonder extra klikken
Scenario's vertrekken vanuit de actuele live release. Deze regels draaien rechtstreeks door de 8 weken vooruit-modelpipeline: per driverfamilie zetten we de inputs op een uitzonderlijk lage of hoge stand uit de trainingshistorie en rekenen de prijs opnieuw uit.
Historische regimes en toetsmomenten
Hoe goed doet het model het als je het niet traint op een bepaalde periode (maar wel op alle andere periodes) en het juist test op die periode waar het niet op getraind is.
Hold-out
Laatste 52 weken
Model getraind buiten dit recente venster; score alleen op de laatste 52 weken.
Deze periode wijkt genoeg af om het model hier niet zonder extra context te vertrouwen.
Het model zat in deze periode structureel te hoog.
- MAE
- 4.97
- MAPE
- 64.1%
- Bias
- 4.81
- Richting goed
- 66.7%
Hold-out
Corona (2020-2021)
Observations during the COVID disruption regime from March 1, 2020 through December 31, 2021.
Het model gaf wel signalen, maar de foutmarge werd in deze periode duidelijk groter.
Het model zat in deze periode structureel te hoog.
- MAE
- 2.12
- MAPE
- 45.9%
- Bias
- 1.73
- Richting goed
- 85.7%
Hold-out
Oekraïne-oorlog (2022-2023)
Observations during the Ukraine-war market regime from February 24, 2022 through December 31, 2023.
De richting is vaak nog bruikbaar, maar de marge vraagt meer voorzichtigheid.
Het model zat in deze periode structureel te laag.
- MAE
- 3.0
- MAPE
- 10.6%
- Bias
- -1.46
- Richting goed
- 93.3%
Hold-out
Marktstress (2022-2023)
Observations across the broader 2022-2023 market-stress period.
De richting is vaak nog bruikbaar, maar de marge vraagt meer voorzichtigheid.
Het model zat in deze periode structureel te laag.
- MAE
- 2.79
- MAPE
- 9.9%
- Bias
- -1.34
- Richting goed
- 94.1%
Hold-out
Natte oogst (2023-2024)
Observations across the wet-harvest pressure regime from September 2023 through February 2024.
De richting is vaak nog bruikbaar, maar de marge vraagt meer voorzichtigheid.
Het model zat in deze periode structureel te laag.
- MAE
- 2.61
- MAPE
- 12.0%
- Bias
- -1.41
- Richting goed
- 100.0%
Hold-out
Trend: Rising
Weeks where the realised target increases by at least the direction threshold.
Het model gaf wel signalen, maar de foutmarge werd in deze periode duidelijk groter.
Het model zat in deze periode structureel te laag.
- MAE
- 2.89
- MAPE
- 13.9%
- Bias
- -1.83
- Richting goed
- 91.9%
Hold-out
Trend: Falling
Weeks where the realised target decreases by at least the direction threshold.
Deze periode wijkt genoeg af om het model hier niet zonder extra context te vertrouwen.
Het model zat in deze periode structureel te hoog.
- MAE
- 4.37
- MAPE
- 52.5%
- Bias
- 4.11
- Richting goed
- 96.9%
Hold-out
Volatile weeks
Weeks where realised target changes exceed the direction threshold in absolute value.
Deze periode wijkt genoeg af om het model hier niet zonder extra context te vertrouwen.
Vooral de richting werd hier goed geraakt, zelfs als de precieze europrijs niet perfect was.
- MAE
- 3.54
- MAPE
- 30.8%
- Bias
- 0.77
- Richting goed
- 79.7%
Hold-out
Season: Summer
Target dates in June, July, or August.
Het model gaf wel signalen, maar de foutmarge werd in deze periode duidelijk groter.
Vooral de richting werd hier goed geraakt, zelfs als de precieze europrijs niet perfect was.
- MAE
- 2.4
- MAPE
- 17.3%
- Bias
- -0.51
- Richting goed
- 96.6%
Hold-out
Trend: Flat
Weeks where the realised target change stays within the direction threshold band.
De richting is vaak nog bruikbaar, maar de marge vraagt meer voorzichtigheid.
Vooral de richting werd hier goed geraakt, zelfs als de precieze europrijs niet perfect was.
- MAE
- 1.63
- MAPE
- 17.5%
- Bias
- -0.19
- Richting goed
- 91.7%
Hold-out
Season: Winter
Target dates in December, January, or February.
De richting is vaak nog bruikbaar, maar de marge vraagt meer voorzichtigheid.
Vooral de richting werd hier goed geraakt, zelfs als de precieze europrijs niet perfect was.
- MAE
- 1.6
- MAPE
- 14.2%
- Bias
- -0.27
- Richting goed
- 96.3%
Hold-out
Season: Autumn
Target dates in September, October, or November.
Het model gaf wel signalen, maar de foutmarge werd in deze periode duidelijk groter.
Vooral de richting werd hier goed geraakt, zelfs als de precieze europrijs niet perfect was.
- MAE
- 2.36
- MAPE
- 26.5%
- Bias
- 0.81
- Richting goed
- 92.9%
Hold-out
Season: Spring
Target dates in March, April, or May.
Deze periode wijkt genoeg af om het model hier niet zonder extra context te vertrouwen.
Vooral de richting werd hier goed geraakt, zelfs als de precieze europrijs niet perfect was.
- MAE
- 2.8
- MAPE
- 30.9%
- Bias
- 0.61
- Richting goed
- 90.9%
Hold-out
Target season: Harvest open
Forecast target dates in October, the harvest-opening target month used by the two-month horizon leakage audit.
Het model gaf wel signalen, maar de foutmarge werd in deze periode duidelijk groter.
Vooral de richting werd hier goed geraakt, zelfs als de precieze europrijs niet perfect was.
- MAE
- 2.5
- MAPE
- 30.2%
- Bias
- 0.96
- Richting goed
- 93.8%
Hold-out
Target season: Growing
Forecast target dates in April through September. This row is reported separately so growing-season observations cannot back storage-season evidence.
Het model gaf wel signalen, maar de foutmarge werd in deze periode duidelijk groter.
Vooral de richting werd hier goed geraakt, zelfs als de precieze europrijs niet perfect was.
- MAE
- 2.61
- MAPE
- 22.5%
- Bias
- 0.12
- Richting goed
- 94.4%
Hold-out
Target season: Storage
Forecast target dates in November, December, January, February, or March. This storage-season definition is based on the target date month, not the forecast issue date.
Het model gaf wel signalen, maar de foutmarge werd in deze periode duidelijk groter.
Vooral de richting werd hier goed geraakt, zelfs als de precieze europrijs niet perfect was.
- MAE
- 1.86
- MAPE
- 20.1%
- Bias
- 0.02
- Richting goed
- 91.2%
Direct naar ruwe bronnen
Zoek direct in de broncatalogus als je een driver wilt natrekken.
Models & Performance
Behoudt het oude diagnostics-contract naast de nieuwe werkruimte.
| Model | Algo | Horizons | MAE | RMSE | MAPE | Direction | |
|---|---|---|---|---|---|---|---|
|
GradientBoosting_ARDL@selected_h4_mixed_v4
|
gradient_boosting | H04W | 1.76 | 3.14 | 15.2% | 87.5% | Open |
|
XGBoost_ARDL@selected_h4_mixed_v4
|
xgboost | H04W | 1.83 | 2.99 | 16.1% | 90.0% | Open |
|
GradientBoosting_ARDL@selected_h12_mixed_v4
|
gradient_boosting | H12W | 2.25 | 3.8 | 26.5% | 91.2% | Open |
|
GradientBoosting_ARDL@selected_h8_mixed_v4
|
gradient_boosting | H08W | 2.29 | 3.87 | 22.1% | 90.0% | Open |
|
XGBoost
|
xgboost | H04W, H08W, H12W, H16W, H20W, H24W, H28W | 2.48 | 4.07 | 23.4% | 88.8% | Open |
|
XGBoost_ARDL@selected_h8_mixed_v4
|
xgboost | H08W | 2.48 | 4.07 | 23.4% | 88.8% | Open |
|
GradientBoosting_ARDL@selected_h20_mixed_v4
|
gradient_boosting | H20W | 2.55 | 4.39 | 30.4% | 83.8% | Open |
|
XGBoost_ARDL@selected_h16_mixed_v4
|
xgboost | H16W | 2.58 | 3.65 | 29.3% | 92.3% | Open |
|
GradientBoosting_ARDL@selected_h16_mixed_v4
|
gradient_boosting | H16W | 2.88 | 5.29 | 26.4% | 83.8% | Open |
|
XGBoost_ARDL@selected_h12_mixed_v4
|
xgboost | H12W | 3.02 | 4.47 | 30.6% | 84.8% | Open |
|
GradientBoosting_ARDL@selected_h24_mixed_v4
|
gradient_boosting | H24W | 3.33 | 5.76 | 38.1% | 68.1% | Open |
|
GradientBoosting_AR
|
gradient_boosting | H04W, H08W, H12W, H16W, H20W, H24W, H28W | 3.37 | 5.58 | 28.9% | 67.5% | Open |
|
GradientBoosting_ARDL@selected_h28_mixed_v4
|
gradient_boosting | H28W | 3.49 | 5.97 | 39.1% | 71.3% | Open |
|
XGBoost_ARDL@selected_h20_mixed_v4
|
xgboost | H20W | 3.75 | 5.62 | 40.1% | 100.0% | Open |
|
XGBoost_ARDL@selected_h24_mixed_v4
|
xgboost | H24W | 4.33 | 6.48 | 37.6% | 81.4% | Open |
|
XGBoost_ARDL@selected_h28_mixed_v4
|
xgboost | H28W | 4.83 | 7.09 | 44.8% | 84.2% | Open |
Geavanceerde details en metrics
Sterktes
- Sterke gemiddelde fout in de huidige rolling validation.
- Goede referentie om te zien of de publicatierun te agressief of te voorzichtig is.
Zwaktes
- Is hier vooral een benchmark en second opinion, geen gepubliceerde forecast.
- Kan conservatiever reageren dan het publicatiemodel wanneer de markt snel draait.
- Model-idGradientBoosting_ARDL@selected_h8_mixed_v4
- Algoritmegradient_boosting
- Train columns23
- Runartifact_stage_20260419_main_graph
| Metric | Waarde |
|---|---|
| MAE | 2.29 |
| RMSE | 3.87 |
| MAPE | 22.1% |
| Bias | 0.14 |
| Richting goed | 90.0% |