國際原油價格預(yù)測研究

熊　熊，李　璇

(天津大學(xué) 管理與經(jīng)濟(jì)學(xué)部，天津　300000)

?

引用格式：熊熊，李璇.國際原油價格預(yù)測研究[J].重慶理工大學(xué)學(xué)報(自然科學(xué)版)，2016(1):48-53.

Citation format：XIONG Xiong, LI Xuan.Prediction of International Crude Oil Price[J].Journal of Chongqing University of Technology(Natural Science)，2016(1):48-53.

國際原油價格預(yù)測研究

熊熊，李璇

(天津大學(xué) 管理與經(jīng)濟(jì)學(xué)部，天津300000)

摘要：石油是不可再生能源,是經(jīng)濟(jì)發(fā)展的血液。我國對石油有較大的消費需求,因此油價的波動會導(dǎo)致經(jīng)濟(jì)的波動。原油價格波動較為復(fù)雜,不確定性影響因素較多。ARIMA模型廣泛地應(yīng)用在高頻金融時間序列建模,能較好地把握此類時間序列的動態(tài)規(guī)律。從計量經(jīng)濟(jì)學(xué)的角度運(yùn)用EVIEWS軟件，對1996—2013年的國際原油價格進(jìn)行數(shù)據(jù)整理歸納，運(yùn)用ARIMA模型加入季節(jié)因子建立原油價格模型，并通過模型走勢對2014—2020年的國際原油價格進(jìn)行預(yù)測。

關(guān)鍵詞：ARIMA；石油價格；預(yù)測

原油作為最基礎(chǔ)的能源和化工原料,被譽(yù)為“現(xiàn)代工業(yè)的血液”、“運(yùn)輸工具的糧食”,在國民經(jīng)濟(jì)的發(fā)展、民生狀況的改善中起著舉足輕重的作用。根據(jù)BP世界能源統(tǒng)計(2010),在75個國家中,有45個國家原油在能源消費中占據(jù)第一位。在世界能源消費構(gòu)成中,原油也已超越煤炭,成為全球第一大能源(占比超過1/3)。原油價格的波動影響著世界經(jīng)濟(jì)的脈搏，對世界各國的能源戰(zhàn)略和能源安全也影響重大，因此研究原油價格的走勢具有重要意義。

本文試從計量經(jīng)濟(jì)學(xué)的角度,運(yùn)用EVIEWS軟件，對1996—2013年的國際原油價格進(jìn)行數(shù)據(jù)整理，運(yùn)用ARIMA模型[4-9]并加入季節(jié)因子建立原油價格模型，并通過模型走勢對2014—2020年的國際原油價格進(jìn)行預(yù)測。

1ARIMA模型

1.1數(shù)據(jù)來源

本文選取1996—2013年的原油月度價格，具體是以1996年1月—2013年11月的國際原油月均價格(庫欣原油現(xiàn)貨離岸價格)作為本文的數(shù)據(jù)來源。數(shù)據(jù)來自于互聯(lián)網(wǎng)公布的庫欣原油現(xiàn)貨離岸價格日成交價，并手工整理出月平均價格。本文將石油月均價格時間序列定義為X1。

1.2模型建立

1.2.1序列平穩(wěn)性檢驗

現(xiàn)實中的真實數(shù)據(jù)通常沒有統(tǒng)計假設(shè)的完美，時間序列的數(shù)據(jù)常常出現(xiàn)不平穩(wěn)的狀況。因此，在進(jìn)行具體建模之前,需要運(yùn)用統(tǒng)計方法檢驗時間序列的平穩(wěn)性，這里采用單位根檢驗法。單位根檢驗主要對序列的方差進(jìn)行分析，進(jìn)而分析序列的變動趨勢，以及所具有的季節(jié)特征。計算結(jié)果見圖1、2。

圖1　序列平穩(wěn)性測試

圖2　序列取對數(shù)后的平穩(wěn)性測試

圖1顯示：原序列存在單位根,序列不平穩(wěn),需要進(jìn)行平穩(wěn)化處理。因此，對原序列取對數(shù)，判斷對數(shù)運(yùn)算后的序列是否平穩(wěn)進(jìn)行測試。如圖2所示，原序列經(jīng)取對數(shù)運(yùn)算后,仍然不能拒絕原假設(shè),對數(shù)后的序列仍存在單位根,需要對序列進(jìn)行平穩(wěn)化。

2.節(jié)水工程的制約。由于渠道襯砌及管灌等節(jié)水工程實施，原有渠道進(jìn)行了襯砌，沒有為農(nóng)田林網(wǎng)建設(shè)預(yù)留林業(yè)用地，要栽植農(nóng)田林網(wǎng)必需占用少量耕地，導(dǎo)致林農(nóng)矛盾突出；同時渠道襯砌后灌溉林木用水明顯減少，不能按時完成林網(wǎng)灌溉，限制了農(nóng)田林網(wǎng)建設(shè)。

1.2.2序列平穩(wěn)化處理

序列平穩(wěn)化的常用方法是進(jìn)行差分處理。通過相關(guān)處理技術(shù)和多次差分處理，差分方法能有效改善數(shù)據(jù)中存在的異方差。處理后的數(shù)據(jù)結(jié)果不僅單位根檢驗達(dá)標(biāo)，自相關(guān)圖和偏相關(guān)圖也達(dá)到統(tǒng)計運(yùn)算需要達(dá)到的平穩(wěn)性。計算結(jié)果見圖3、4。

圖3　對序列取一階差分的單位根檢驗

圖4　對序列取一階差分的自相關(guān)和偏相關(guān)檢驗

如圖3所示，對于原序列取一階差分，通過結(jié)果應(yīng)拒絕原假設(shè)，一階差分后的原序列不存在單位根。如圖4所示，通過一階差分后的自相關(guān)圖和偏相關(guān)圖可以看到：一階差分后的序列基本實現(xiàn)平穩(wěn)，但不夠優(yōu)化。由于對原序列直接取一階差分結(jié)果不夠理想,因此再針對lnX1做一階差分，結(jié)果見圖5、6。

由圖5可見：一階差分后的lnX1不存在單位根，數(shù)據(jù)較為平穩(wěn)。圖6用自相關(guān)圖和偏自相關(guān)圖檢驗序列的平穩(wěn)情況。通過對原序列直接取一階差分和原序列先取對數(shù)再取一階差分可以看到：原序列先取對數(shù)再取一階差分的結(jié)果更好，數(shù)據(jù)更平穩(wěn)。因此，選擇d(lnX1)作為建模序列。

圖5　對LnX1取一階差分的單位根檢驗

圖6　對LnX1取一階差分的自相關(guān)和偏相關(guān)檢驗

1.2.3模型參數(shù)的確定

根據(jù)自相關(guān)和偏相關(guān)圖的尾部特征不同，ARIMA模型又可具體分為AR模型、MA模型以及ARMA模型，其中自相關(guān)和偏相關(guān)圖如果具有雙拖尾特征，適合采用ARMA模型，如果自相關(guān)和偏相關(guān)圖還體現(xiàn)了明顯的季節(jié)性變化特征，則還需運(yùn)用SARMA模型。

通過圖6可以看到：d(lnX1)序列偏相關(guān)函數(shù)和自相關(guān)函數(shù)具有明顯的雙拖尾特征，適合采用ARMA模型[10-13]。又由于序列在第1、13、25期均出現(xiàn)了浮動，可見該序列還存在季節(jié)性，因而進(jìn)一步引入SAR變量，模型為SARMA模型。建模結(jié)果見圖7。

圖7　序列建模結(jié)果

通過圖7可以看到：各參數(shù)均處于置信區(qū)間之中，具有很高的可信性。建模之后的可決系數(shù)和調(diào)整后的可決系數(shù)很高，證明模型對序列的擬合程度非常好。F檢測的概率為0.00，拒絕原假設(shè)，建立模型成立。綜上所述，該模型具有統(tǒng)計意義。

1.2.4模型確定

根據(jù)上面系數(shù)的確定，建立模型方程如下:

D(LOG(X1),1,12)=C(1)+

[AR(1)=C(2)，AR(2)=C(3),

SAR(12)=C(4),MA(1)=C(5)，

MA(2)=C(6),SMA(12)=C(7),

BACKCAST=28，ESTSMPL="28215"]

Substituted Coefficients:

D(LOG(X1),1,12)=-0.001 044 636 705 63+

[AR(1)=1.381 906 047 95，

AR(2)=-0.887 815 989 593，

SAR(12)=-0.147 796 906 879，

MA(1)=-1.334 233 018 96，

MA(2)=0.939 282 153 312，

SMA(12)=-0.960 495 252 05，

BACKCAST=28,ESTSMPL="28215"]

1.3模型檢驗

1.3.1模型的統(tǒng)計學(xué)檢驗

從檢驗結(jié)果可以看到:各參數(shù)的概率都小于0.05,T檢驗的絕對值都大于2,統(tǒng)計檢驗結(jié)果良好。

1.3.2模型的白噪聲檢驗

通過圖8對模型殘差的自相關(guān)檢驗可以看到：殘差滿足白噪聲序列，模型建立良好。

圖8　模型的白噪聲檢驗

1.3.3模型的樣本內(nèi)預(yù)測檢驗

直觀圖比較法是一種簡單易操作的度量模型可依賴性的方法。該方法雖然在統(tǒng)計意義上并不精確，但可以判斷模型總體上的準(zhǔn)確程度。通過圖9可以直觀看到：模型的擬合情況較好。

差額百分比是數(shù)學(xué)統(tǒng)計上一種重要的模型檢驗方法，通過比較模型預(yù)測結(jié)果和實際數(shù)據(jù)可以有效判斷模型的準(zhǔn)確程度和精確程度。如圖10所示，通過差額百分比可以看到：預(yù)測值和實際值的差額占實際值基本控制在0～0.2之間,擬合情況良好。

圖9　序列與預(yù)測結(jié)果直觀比較

圖10　模型的差額百分比

通過對模型進(jìn)行統(tǒng)計學(xué)檢驗、白噪聲檢驗、直觀圖檢驗和差額百分比檢驗，可以看到：前文建立的ARIMA模型對石油價格預(yù)測的精確度較高，模型較為精確，對原油價格的分析和預(yù)測具有一定的參考意義。

2石油價格走勢分析及建議

國際原油的價格預(yù)估及相關(guān)分析領(lǐng)域一直倍受大量學(xué)者和企業(yè)的關(guān)注，而油價隨市場需求和經(jīng)濟(jì)形勢的不斷變化，既具有線性關(guān)系，又具有非線性特征。本文利用ARIMA模型捕捉石油價格中的線性趨勢，對WTI原油價格的實證研究表明：本文使用的油價預(yù)測模型長期來看是有效的，能夠較為準(zhǔn)確地預(yù)測原油價格的變化趨勢，從而達(dá)到對世界油價進(jìn)行預(yù)測的目的。同時，在一定程度上驗證了組合模型比單一模型具有更高的合理性和準(zhǔn)確性。該預(yù)測模型是一種有效的石油價格時間序列預(yù)測模型。

建立原油價格統(tǒng)計模型主要是為了進(jìn)行價格分析和預(yù)測，根據(jù)上述定量預(yù)測的結(jié)果(如圖11所示)，從中、短期來看，由于石油市場的供求關(guān)系不平衡、石油主要產(chǎn)出國的石油產(chǎn)量控制、各國石油需求增長(特別是新興國家的需求)、國際金融投機(jī)等一系列導(dǎo)致油價上漲的因素作用，使得油價仍會在高位保持一段時間。預(yù)計在2014—2015年原油價格仍有上升,將在出現(xiàn)一個小高峰之后振蕩下滑。在2020年,預(yù)計原油價格將回歸至70美元/桶的價位。

圖11　原油價格預(yù)測走勢

同時應(yīng)注意到，政局的變動和政策變化會對石油價格產(chǎn)生人為的并不規(guī)律的影響。例如，在2000年3月，國際原油輸出國組織的成員國達(dá)成了一項協(xié)議，決定從4月1日起每日增產(chǎn)原油170萬桶。這一增產(chǎn)的決定導(dǎo)致了油價的大幅下降。又如在2001年，由于”911“事件后人們對于全球經(jīng)濟(jì)的預(yù)期并不樂觀，從10月份開始，油價急劇下挫。由此可見，全球經(jīng)濟(jì)形勢、政治局勢、突發(fā)事件等作為關(guān)鍵因素對油價波動的影響是較為明顯的。因此，企業(yè)在進(jìn)行油價預(yù)測以及做出相關(guān)決策的過程中，在進(jìn)行定量預(yù)測時，要注意結(jié)合相關(guān)影響因素進(jìn)行全面分析，同時密切關(guān)注國際上發(fā)生的重大政治、軍事和經(jīng)濟(jì)事件，才能得出更加準(zhǔn)確的石油價格預(yù)測結(jié)果，從而做出正確的經(jīng)營決策。

由于世界經(jīng)濟(jì)的快速發(fā)展，國際政經(jīng)形勢的不斷變化，影響油價的因素極為復(fù)雜，多年的油價數(shù)據(jù)也沒有體現(xiàn)出準(zhǔn)確的規(guī)律。本文利用ARIMA模型的特點，即以數(shù)據(jù)序列的已有數(shù)據(jù)預(yù)測未來數(shù)據(jù)的特點，以大量的油價歷史數(shù)據(jù)為依據(jù)，最大程度地降低了不受控因素(如政局變動、突發(fā)事件等)對預(yù)測結(jié)果的影響。經(jīng)過多次的參數(shù)修改，加上反復(fù)用歷史油價進(jìn)行模型的驗證，最終得到了較為準(zhǔn)確的預(yù)測模型，從而達(dá)到了較為準(zhǔn)確地預(yù)測短期油價的目的。由于影響油價的因素非常復(fù)雜，本文僅考慮了歷史數(shù)據(jù)，預(yù)測的油價需要結(jié)合當(dāng)前的世界政經(jīng)形勢進(jìn)行調(diào)整，同時由于數(shù)據(jù)量有限，此預(yù)測結(jié)果可能存在一定的誤差。隨著時間的推移，新的實際油價數(shù)據(jù)不斷更新，需要對模型的相關(guān)參數(shù)進(jìn)行調(diào)整或重新擬合，以提高預(yù)測精度。

參考文獻(xiàn)：

[1]吳敬婷.農(nóng)產(chǎn)品價格時間序列幾種預(yù)測模型的研究[J].黑龍江科技信息,2013(31):93-95.

[2]丁靜之,閔騏,林怡.ARIMA模型在石油價格預(yù)測中的應(yīng)用[J].物流技術(shù)，2008(10):156-159.

[3]劉愛萍,郜文明.ARIMA模型在省級全社會固定資產(chǎn)投資預(yù)測中的應(yīng)用[J].河南金融管理干部學(xué)院學(xué)報,2008(4):105-107.

[4]侯璐.基于ARIMA模型的石油價格短期分析預(yù)測[D].廣州:暨南大學(xué),2009.

[5]吳虹,尹華.ARIMA與SVM組合模型的石油價格預(yù)測[J].計算機(jī)仿真，2010(5):264-266.

[6]徐建英,何旭宏.數(shù)據(jù)統(tǒng)計分析與spss應(yīng)用[M].北京:人民郵電出版社,2003.

[7]趙銀飛.基于SAS的港口統(tǒng)計決策支持系統(tǒng)研究與設(shè)計[D].北京:北京交通大學(xué),2010.

[8]易丹輝.數(shù)據(jù)分析與EVIEWS的應(yīng)用[M].北京:中國統(tǒng)計出版社,2002.

[9]陳夫凱,夏樂天.運(yùn)用ARIMA模型的我國城鎮(zhèn)化水平預(yù)測[J].重慶理工大學(xué)學(xué)報(自然科學(xué)版),2014,28(4):133-137.

[10]鄒柏賢,劉強(qiáng).基于ARMA模型的網(wǎng)絡(luò)流量預(yù)測[J].計算機(jī)研究與發(fā)展,2002(12):1645-1652.

[11]韓瑞玲,佟連軍,朱紹華,等.基于ARMA模型的沈陽經(jīng)濟(jì)區(qū)經(jīng)濟(jì)與環(huán)境協(xié)調(diào)發(fā)展研究[J].地理科學(xué),2014(1):32-39.

[12]張勃,劉秀麗.基于ARIMA模型的生態(tài)足跡動態(tài)模擬和預(yù)測[J].生態(tài)學(xué)報,2011,31(20):6251-6260.

[13]李瑞瑩,康銳.基于ARMA模型的故障率預(yù)測方法研究[J].系統(tǒng)工程與電子技術(shù),2008(8):1588-1591.

(責(zé)任編輯陳艷)

Prediction of International Crude Oil Price

XIONG Xiong, LI Xuan

(College of Management and Economics, Tianjin University,Tianjin 300000，China)

Abstract:Oil is a non-renewable energy sources, and it is the blood of economic development. China is a major oil importer and consumer, so oil price fluctuations have a great impact on the operation of the price system and the economy of China. Oil price fluctuations is complex, depending on different uncertain factors. ARIMA model is a random sequence and is widely used in high frequency financial time series. It can grasp the laws of dynamic time series. This paper tried to analyze oil price(1996-2013) by using ARIMA model to establish a price model with seasonal factor in the econometrics perspective. Also, this paper used this model to predict oil price from 2014 to 2020.

Key words:ARIMA; oil price; prediction

文章編號：1674-8425(2016)01-0048-06

中圖分類號：TK-9；O21

文獻(xiàn)標(biāo)識碼：A

doi:10.3969/j.issn.1674-8425(z).2016.01.009

作者簡介：熊熊(1972—)，男，湖南常德人，博士，教授，博士生導(dǎo)師，主要從事金融數(shù)學(xué)研究；李璇，碩士，主要從事并購、資產(chǎn)評估方面研究。

基金項目：國家自然科學(xué)基金資助項目(71271145)；教育部博士點基金資助項目(20110032110031)

收稿日期：2015-02-25