Inkoopteams die termijncontracten opzetten voor agrarische grondstoffen als boter, wei-eiwit, suiker of plantaardige olie stellen doorgaans twee vragen over een prognose waaraan ze budget willen ophangen: hoe is die gebouwd, en hoe trefzeker is die op de grondstof die ik werkelijk koop.
De meeste prognosegereedschappen beantwoorden de eerste vraag vaag en de tweede met één cijfer in de kop. Vesper beantwoordt ze allebei. Dit artikel opent met de trefzekerheid die Vesper publiceert over de volledige prijsdekking, loopt langs wat die cijfers anders maakt dan de alternatieven die de meeste inkoopteams hebben bekeken, en laat zien hoe je één prognose op het scherm leest, met Amerikaanse boter als uitgewerkt voorbeeld.
De trefzekerheid van de prognoses van Vesper over ruim 4.000 prijsreeksen
Vesper publiceert de trefzekerheid over het hele platform, voor meer dan 4.000 prijsreeksen van grondstoffen, gemeten over de afgelopen twee jaar aan prognoses. In alle categorieën die Vesper dekt, van zeer liquide markten als CME-kaas, MATIF-tarwe en melk van klasse III tot dun verhandelde speciale eiwitten, EUDR-conforme palmoliefracties en regionale suikerbenchmarks, komen de hoofdcijfers er zo uit.
| Prognosetermijn | Trefzekerheid (1 − MAPE) |
| Prognose 1 maand | 97 % |
| Prognose 3 maanden | 94 % |
| Prognose 6 maanden | 91 % |
| Prognose 9 maanden | 88 % |
| Prognose 12 maanden | 85 % |
Prestatie van Vesper Price Forecasting, gemeten als 1 − MAPE over ruim 4.000 prijsreeksen in de afgelopen twee jaar.
De maatstaf achter die cijfers is de gemiddelde absolute procentuele fout (MAPE), omgekeerd tot het cijfer voor trefzekerheid. De mechaniek is eenvoudig: zit een prognose op één maand vooruit er in januari 3 % naast, in februari 4 % en in maart 2 %, dan is de gemiddelde fout 3 %, en wordt het model getoond als 97 % trefzeker. Dezelfde definitie geldt voor elke reeks en elke termijn, en juist dat maakt het cijfer vergelijkbaar.
Twee patronen in de tabel zijn het benoemen waard.
De curve van de trefzekerheid loopt netjes terug naarmate de termijn zich uitstrekt. De daling van 12 procentpunten, van 97 % op één maand naar 85 % op twaalf maanden, is wat een eerlijk prognosemodel oplevert. Hoe verder het model vooruit moet kijken, hoe zwaarder de proef.
En de cijfers zijn gemiddelden over duizenden reeksen, niet over één met de hand gekozen grondstof. Een claim van hoge trefzekerheid op één rustige markt gedurende een paar maanden is eenvoudig te fabriceren. Een gepubliceerd cijfer als gemiddelde over ruim 4.000 reeksen in twee jaar is een heel andere proef.
Drie niveaus van prognose, en waar Vesper staat
Grondstofprijzen voorspellen is geen nieuw vak. De methoden die inkoopteams kennen, liggen op een schaal waarop prognoses met kunstmatige intelligentie voortbouwen in plaats van vervangen.
De drie niveaus van grondstofprognose: de AI-laag van Vesper telt op bij wat eronder ligt.
Het meest basale niveau is uitsluitend fundamenteel: balansen van vraag en aanbod, inflatiecijfers, energie- en olieprijzen, wisselkoersen, weer. Dat is de standaard van het analistenbureau, en een gedisciplineerd mens komt daarmee een heel eind.
Een geavanceerder niveau legt daar technische indicatoren overheen: RSI, bollingerbanden, MACD, voortschrijdende gemiddelden, stochastische oscillatoren, geleend uit de financiële markten en toegepast op grondstofreeksen. Beide niveaus kunnen door mensen worden gedaan, met spreadsheets en zorgvuldigheid.
Prognose met kunstmatige intelligentie begint waar de menselijke aanpak ophoudt. Ze omvat alles wat fundamentele data en technische indicatoren bieden, en voegt daar drie dingen aan toe die een handmatig proces niet bereikt: correlaties tussen grondstoffen over duizenden verwante en onverwante reeksen, patronen die de machine binnen die correlaties afleidt, en “aangeleerde” indicatoren die het model zelf vindt, verbanden tussen variabelen die geen handboek zou hebben aangewezen. Op dat niveau werken de prognoses van Vesper.
Oudere methoden zijn niet fout, ze zijn fundament. Kunstmatige intelligentie telt erbij op, en de winst in trefzekerheid is wat je verwacht wanneer elke laag nieuwe informatie toevoegt.
Wat de prognoses van Vesper onderscheidt
Werken op het niveau van kunstmatige intelligentie is één deel van het verhaal. De keuzes die van die mogelijkheid trefzekerheid maken die een inkoopteam kan verdedigen, zijn de rest. De punten hieronder zijn wat je elke aanbieder van prognoses zou moeten vragen, met de antwoorden die Vesper op papier zet:
• Trefzekerheid per termijn wordt gepubliceerd, niet gemengd. De MAPE op één, drie, zes, negen en twaalf maanden wordt per reeks apart getoond, met de terugloop tussen termijnen zichtbaar. Eén vlak of wisselend geciteerd cijfer verbergt juist de termijn waar de inkoper om geeft. Publicatie per termijn maakt de vraag beantwoordbaar.
• Prognoses werken zichzelf automatisch bij, de klok rond. Zodra er een nieuw gegeven binnenkomt, een USDA-rapport, een verse prijsnotering van Vesper, een bijgewerkte balans van vraag en aanbod, wordt de curve opnieuw berekend. Er is geen tussenkomst van een analist om op te wachten en geen risico dat de prognose achterloopt op een belangrijke marktgebeurtenis.
• Elke prognose draait op de eigen fundamenten, plus die van verwante producten. Sommige aanpakken verankeren een afgeleid product aan een “moedergrondstof”, waarbij bijvoorbeeld wei-eiwit op kaas wordt geprijsd. Vesper bouwt de eiwitcurve op uit de fundamenten van het eiwit en uit de kaasfundamenten die de beschikbaarheid van wei bepalen. Beide lagen worden gewogen. Geen van beide is een kortere weg voor de andere.
• Steekproeven binnen het product, op de termijn waar jij om geeft. Beweeg de muis over een historisch punt in de grafiek en lees het paar van voorspeld en werkelijk. Hetzelfde paneel wisselt tussen historische trefzekerheid op 1, 3, 6 en 12 maanden voor die specifieke grondstof, zodat de inkoper ziet hoe het model standhoudt op de termijn die bij de beslissing past. Dat telt, want de meeste moderne prognoses (die van Vesper incluis) zijn dynamisch: ze passen zich dagelijks aan als er nieuwe data binnenkomt, en dat houdt ze scherp. Eén trefzekerheidscijfer zonder bijbehorende termijn zegt niets over hoe ver van tevoren de prognose is gemaakt. Een voorspelling die één dag voor de gerealiseerde prijs is afgegeven, rapporteert hoge trefzekerheid, vrijwel ongeacht vakmanschap. De termijnschakelaar is wat het cijfer betekenis geeft.
• De visie van de AI en die van de analist worden bewust gescheiden. De prognosecurve wordt uitsluitend uit data gebouwd. De analisten van Vesper publiceren er geschreven marktrapporten naast, maar hun visie wordt nooit in de curve gemengd. Waar AI en analist het eens zijn, is de overtuiging groot. Waar ze uiteenlopen, is dat een signaal om te graven. En meestal telt de richting het zwaarst: ook als een prognose de prijs niet precies raakt, is de richting goed hebben, omhoog of omlaag, wat de inkoper vertelt of hij een aankoop uitstelt of juist nu doorzet. De AI en de analist zijn het vrijwel altijd eens over de richting, en daar spelen de meeste inkoopbeslissingen zich werkelijk af.
• Eigen AI, gebouwd ruim voordat ChatGPT een begrip werd. De prognosemodellen van Vesper worden in eigen huis ontwikkeld door een team in Amsterdam, een van de Europese knooppunten voor kunstmatige intelligentie. De architectuur wordt al sinds ruim voor de huidige golf verbeterd, en die opgebouwde kennis zie je terug in hoe de modellen omgaan met de uitzonderingen van elke grondstof, en in hoe snel nieuwe aanpakken in productie getest kunnen worden.
Hoe je een prognose van Vesper leest: Amerikaanse boter als voorbeeld
De cijfers over het hele platform zijn de kop. Om ze concreet te maken: zo ziet één prognose er op het scherm uit, en zo lees je hem in de praktijk. Het voorbeeld hieronder is Amerikaanse boter, verankerd op de Vesper Price Index (VPI) op EXW-basis, in USD per pond.
Prognosewidget voor Amerikaanse boter: historische voorspellingen, halfjaarlijkse curve vooruit en 94 % historische trefzekerheid op één maand voor deze specifieke reeks.
Er zijn vier dingen af te lezen in de grafiek.
De doorgetrokken lijn is de historische prijs, twaalf maanden terug. De gestippelde lijn begint waar de historische reeks eindigt en projecteert de prijs zes maanden vooruit. De gearceerde band rond de gestippelde lijn is het betrouwbaarheidsinterval, de bandbreedte die het model op elk punt van de prognose aannemelijk acht. Hoe smaller de band, hoe zekerder het model. Rechts van de grafiek staat het paneel met trefzekerheid per reeks: 94 % op één maand, 83 % op drie maanden, 77 % op zes maanden voor deze specifieke grondstof, met een termijnschakelaar zodat de inkoper de periode kiest die bij de beslissing past.
Het eerste wat je met een nieuwe prognose doet, is haar op de proef stellen. Beweeg de muis over een willekeurig punt op de historische lijn en een tooltip toont twee getallen naast elkaar: de werkelijke prijs op die datum, en wat het model er een maand eerder voor had voorspeld. Drie voorbeelden op Amerikaanse boter:
• 18 juni 2025 - werkelijk: 2,54 USD/lb. Prognose van een maand eerder: 2,43 USD/lb. Afwijking: 4,5 %.
• 29 oktober 2025 - werkelijk: 1,58 USD/lb. Prognose van een maand eerder: 1,59 USD/lb. Afwijking: 0,8 %.
• 18 maart 2026 - werkelijk: 1,88 USD/lb. Prognose van een maand eerder: 1,73 USD/lb. Afwijking: 8,1 %.
Alle drie hadden de richting goed. Twee vielen binnen de gemiddelde foutmarge van het model op één maand, de derde zat er verder naast, tijdens een scherpere beweging in de reeks. Die mix is hoe trefzekerheid er in de praktijk uitziet, en de tooltips maken elke oude voorspelling in de reeks op dezelfde manier controleerbaar. Het doel van die oefening is niet één cijfer bevestigen, maar gevoel krijgen voor hoe het model is omgegaan met de grondstof die voor je ligt, voordat er budget aan de curve vooruit wordt opgehangen.
Merk ook op dat de cijfers per reeks (94, 83 en 77 voor boter) onder de gemiddelden van het platform liggen (97, 94, 91, 88 en 85). Boter is beweeglijker dan de gemiddelde grondstof in de dekking van Vesper, en het model wordt hier zwaarder op de proef gesteld dan bij een stabielere reeks. Dat verschil is informatie, niet iets om te verbergen.
Achter de curve: de vier lagen invoer
Eenmaal getraind gebruikt het model van Vesper vier categorieën invoer. Voor Amerikaanse boter zien die lagen er zo uit.
Prijspatronen. Het beginpunt is de reeks zelf plus aanpalende producten die ermee meebewegen. Voor Amerikaanse boter betekent dat melk van klasse III op de CME, Amerikaanse roomprijzen, Europese boter (EEX) en watervrij melkvet die samen in dezelfde curve komen. Boter wordt niet los verhandeld, en het model pikt de dwarsverbanden op.
Marktfundamenten. De rapporten USDA Dairy Products en Cold Storage, USDA NASS Milk Production, exportdata van USDA FAS, cijfers van het Melkmarktobservatorium van de EU en DCANZ-data uit Nieuw-Zeeland, omdat het wereldwijde aanbod de Amerikaanse exportprijs beïnvloedt. Ook voerkosten uit CBOT-mais, sojaschroot en DDGS komen binnen, omdat die de marge van de melkproductie bepalen, die het melkaanbod bepaalt, dat verderop de beschikbaarheid van boter bepaalt.
Technische indicatoren. Klassieke signalen toegepast op de boterreeks: MACD, voortschrijdende gemiddelden, RSI, bollingerbanden, stochastische oscillatoren, rechtstreeks leesbaar in het platform en tegelijk invoer voor het prognosemodel.
Macro-economische indicatoren. De index van de Amerikaanse dollar (exportconcurrentiekracht van Amerikaanse zuivel), energie- en vrachtkosten (invoer voor productie en logistiek) en macrosignalen van de vraag uit retail en foodservice. Waar Vesper data van partners heeft, Upply voor vracht en IBISWorld voor sectorkosten, komt die hier binnen.
Het model weegt alle vier de lagen samen. Geen enkele invoer dicteert de curve.
De technische laag naast de curve lezen
Doordat Vesper de technische laag rechtstreeks in het platform toont, kan de inkoper dezelfde signalen lezen die het model leest.
Technische analyse van Amerikaanse boter: prijsverloop tegenover voortschrijdende gemiddelden, momentum van de MACD en RSI.
Op 29 april 2026 leest de technische laag van Amerikaanse boter als volgt. De prijs is 1,70 USD/lb, boven zowel het voortschrijdend gemiddelde over 100 dagen (1,63 USD) als dat over 150 dagen (1,61 USD), een structureel opwaartse opzet. De MACD is opwaarts met positief momentum: het histogram is omgeslagen van rode staven (september 2025 tot januari 2026) naar blauwe staven die sinds februari opbouwen, ook al staan lijn, signaal en histogram alle drie dicht bij nul. De RSI staat op 47,7, neutraal, met veel ruimte tot de overgekochte grens van 70. De procentuele bewegingen vertellen hetzelfde verhaal vanuit een andere hoek: -28,31 % op jaarbasis (de lange neergaande trend), +13,13 % op kwartaalbasis (het herstel vanaf de bodem in het eerste kwartaal), -6,39 % op maandbasis en -0,88 % op weekbasis (een lichte afkoeling deze maand).
Samen gelezen beschrijven die signalen een markt die in het eerste kwartaal haar bodem vond, tot maart stevig opliep en nu consolideert boven haar middellange trend, niet in de problemen en niet opgerekt. Dat is hetzelfde beeld dat de prognosecurve tekent: een rustige opwaartse drift over de komende zes maanden.
De curve lezen voor een inkoopbeslissing
Twee delen van de grafiek tellen het zwaarst wanneer een inkoper een termijnverplichting opzet: de betrouwbaarheidsband op de gestippelde prognoselijn, en de tooltips met historische voorspellingen op de lijn van het verleden.
In de betrouwbaarheidsband speelt de inkoopbeslissing zich werkelijk af. Een smalle band vroeg in de termijn die verderop breder wordt, is de normale vorm: het model is zekerder over volgende maand dan over het derde kwartaal van volgend jaar, en dat hoort ook zo. Wordt de band ongewoon snel breder, dan geeft het model aan dat de invoer tegenstrijdige signalen afgeeft, en moet de inkoper meer bijstellingen in volgende prognoses verwachten. Blijft de band ongewoon smal, dan is de invoer eensgezind en is de overtuiging groot. Wie een termijnverplichting voor het derde kwartaal aangaat, wedt niet dat de prijs precies op de gestippelde middenlijn landt, maar stemt de dekking af op de bandbreedte die de band beschrijft.
De tooltips met historische voorspellingen zijn hoe de band haar geloofwaardigheid in de eerste plaats verdient. Kies een paar maanden uit de afgelopen twee jaar op de grondstof die je werkelijk koopt. Beweeg de muis over de lijn. Lees het paar van voorspeld en werkelijk. Heeft het model de reeks goed gevolgd, dan komt de overtuiging om op de curve vooruit te handelen vanzelf. Heeft het dat niet, dan vertelt de tooltip je dat ook, voordat er budget aan vastzit.
Waar dit op neerkomt
Een betrouwbare grondstofprognose heeft een aantal dingen die samenwerken: een modelarchitectuur die over duizenden reeksen kan generaliseren, een transparante stapel invoer die terug te voeren is op bekende databronnen, cijfers over trefzekerheid per termijn die controleerbaar zijn op de specifieke grondstof die voor je ligt, en de discipline om de visie van de AI en die van de analist gescheiden te houden, zodat elk op eigen waarde kan worden beoordeeld.
Zo zijn de prognoses van Vesper gebouwd. De methodologie staat op het scherm, de trefzekerheid staat op het scherm, en de data erachter gaat terug op dezelfde primaire bronnen die inkoopteams al vertrouwen. Kies een grondstof, beweeg de muis over de lijn en oordeel zelf.
Veelgestelde vragen: grondstofprijzen voorspellen met Vesper
Hoe trefzeker zijn de prognoses van Vesper op de specifieke grondstof die ik koop? De trefzekerheid wordt per grondstof en per prognosetermijn in het platform gepubliceerd. Je ziet de historische trefzekerheid op één, drie, zes en twaalf maanden voor precies de reeks die je koopt, in plaats van te moeten leunen op een gemengd gemiddelde.
Hoe ver vooruit kan ik op een prognose leunen bij inkoopbeslissingen? Kortere termijnen zijn doorgaans trefzekerder, en dat zie je terug in de data. De meeste inkoopbeslissingen liggen in het venster van één tot zes maanden, waar de trefzekerheid het hoogst blijft en de betrouwbaarheidsband smaller is.
Leunt het model meer op fundamentele of op technische analyse? Beide zitten erin, naast macrodata en verbanden tussen grondstoffen. Het model weegt alle invoer dynamisch, in plaats van één categorie voorrang te geven.
Hoe vaak worden de prognoses bijgewerkt? Prognoses werken zich automatisch bij zodra er nieuwe data beschikbaar komt. Er is geen vast ritme: het model rekent doorlopend opnieuw naarmate de invoer verandert.
Kan ik de prestaties van eerdere prognoses zelf controleren? Ja. Historische voorspellingen zijn rechtstreeks in de grafiek zichtbaar. Je kunt voorspelde en werkelijke prijzen op elk punt vergelijken om te zien hoe het model presteerde, voordat je op toekomstige projecties leunt.
Wat gebeurt er in zeer beweeglijke markten? De trefzekerheid neemt doorgaans af naarmate de beweeglijkheid toeneemt, en dat zie je terug in zowel de historische cijfers als in de verbreding van de betrouwbaarheidsband. Dat is verwacht en zichtbaar voor de gebruiker.
Zit de visie van analisten in de prognose verwerkt? Nee. De prognose wordt volledig door data gedreven. De rapporten van analisten verschijnen naast de uitkomst van het model, maar blijven gescheiden, zodat je beide perspectieven kunt vergelijken.
Is de richting belangrijker dan de exacte prijs? Bij de meeste inkoopbeslissingen wel. Ook als het exacte prijsniveau niet perfect wordt voorspeld, bepaalt de richting goed hebben vaak of je nu koopt of wacht.
