曲禧龍　宋瑩嬌　魏衍行

摘要：為實(shí)現(xiàn)煤炭?jī)r(jià)格的合理預(yù)測(cè)，對(duì)選取的影響秦皇島動(dòng)力煤價(jià)格十大影響因素進(jìn)行研究，借助主成因分析判定華南動(dòng)力煤指導(dǎo)價(jià)格、火電比例、廣州港進(jìn)口動(dòng)力煤價(jià)格和中國(guó)煤炭?jī)r(jià)格指數(shù)為影響秦皇島動(dòng)力煤5500k價(jià)格的核心影響因素。依托2019年7月至2020年6月核心影響因素的相關(guān)數(shù)據(jù)，借助平滑指數(shù)時(shí)間序列實(shí)現(xiàn)對(duì)核心影響因素未來十周的預(yù)測(cè)，利用神經(jīng)網(wǎng)絡(luò)建立價(jià)格預(yù)測(cè)模型，借助測(cè)試集對(duì)模型進(jìn)行驗(yàn)證。在預(yù)測(cè)誤差僅為1%的條件下，通過代入核心影響因素預(yù)測(cè)值，實(shí)現(xiàn)對(duì)秦皇島動(dòng)力煤5500k的價(jià)格預(yù)測(cè)。

關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò);主成分分析法;平滑指數(shù)時(shí)間序列;價(jià)格綜合預(yù)測(cè)模型

一、前言

作為電力、建材等國(guó)民經(jīng)濟(jì)基礎(chǔ)行業(yè)的上游產(chǎn)業(yè)，煤炭資源狀況及價(jià)格水平會(huì)對(duì)國(guó)民經(jīng)濟(jì)產(chǎn)生直接影響，對(duì)煤炭資源的進(jìn)一步開采使用，促使其重要性日漸凸顯。尋找煤炭?jī)r(jià)格的影響因素是為了對(duì)煤炭?jī)r(jià)格變動(dòng)有一個(gè)更深入的了解，對(duì)我國(guó)煤炭?jī)r(jià)格進(jìn)行有效預(yù)測(cè)則是為行業(yè)建設(shè)及相關(guān)部門科學(xué)決策提供有效依據(jù)。

張建英（2015）利用VAR模型得出影響煤炭?jī)r(jià)格的因素除自身價(jià)格變動(dòng)外還有大宗商品價(jià)格、宏觀經(jīng)濟(jì)景氣指數(shù)及煤炭產(chǎn)量;王文，李國(guó)棟（2016）從微觀、宏觀、行業(yè)、國(guó)際市場(chǎng)四個(gè)層面分析煤炭?jī)r(jià)格的影響因素……本文以此為基礎(chǔ)確定影響秦皇島動(dòng)力煤價(jià)格的十大基礎(chǔ)影響因素面板數(shù)據(jù)，在要素篩選的基礎(chǔ)上利用神經(jīng)網(wǎng)絡(luò)構(gòu)建價(jià)格綜合預(yù)測(cè)模型，實(shí)現(xiàn)對(duì)煤炭?jī)r(jià)格走勢(shì)的理性判斷。

二、要素選擇

（一）確立基礎(chǔ)因素

綜合考量微觀、宏觀、行業(yè)、國(guó)際市場(chǎng)四層面，結(jié)合秦皇島煤炭行業(yè)具體發(fā)展實(shí)況，確定華南動(dòng)力煤指導(dǎo)價(jià)格、火電比例、煤炭進(jìn)口量、全國(guó)煤炭產(chǎn)量、廣州港進(jìn)口動(dòng)力煤價(jià)格、非制造業(yè)指數(shù)、制造業(yè)指數(shù)、鋼材社會(huì)庫(kù)存、中國(guó)煤炭?jī)r(jià)格指數(shù)、全國(guó)鐵路煤炭發(fā)運(yùn)量?jī)r(jià)格為影響秦皇島動(dòng)力煤5500大卡價(jià)格的十大基礎(chǔ)因素。

（二）提取核心因素

為使價(jià)格預(yù)測(cè)結(jié)果更為精確，特對(duì)十大基礎(chǔ)因素面板數(shù)據(jù)進(jìn)行主成分分析，分析步驟如下：

1. 數(shù)據(jù)插值及0-1標(biāo)準(zhǔn)化

利用線性插值、臨近點(diǎn)均值插值等插值方法彌補(bǔ)基礎(chǔ)數(shù)據(jù)缺陷。

隨后，對(duì)基礎(chǔ)數(shù)據(jù)進(jìn)行0-1標(biāo)準(zhǔn)化處理得到標(biāo)準(zhǔn)化陣X。

2. 主成分分析

主成分分析是一種降維統(tǒng)計(jì)方法，可提取足以反映整體信息的少數(shù)綜合變量，基本步驟如下：

對(duì)標(biāo)準(zhǔn)化陣X求相關(guān)系數(shù)矩陣R.

解煤炭樣本相關(guān)矩陣R的特征方程|R-λIP|=0，得10個(gè)特征值，確定主成分。

根據(jù)貢獻(xiàn)率直方圖及matlab運(yùn)算，可知主成分1、2、3、4的貢獻(xiàn)率之和為93.71695%，按照≥0.9確定m=4。隨后對(duì)每個(gè)λj，j=1，2，…，m，解方程組Rb=λjb得單位特征向量b。

將標(biāo)準(zhǔn)化后的指標(biāo)變量轉(zhuǎn)換為主成分，Uij=zb，j=1，2，…，m。

其中，Up稱為第P主成分。

U1=-0.33021x1-0.30904x2+0.39149x3+0.371224x4-0.45505x5+0.250967x6+0.253491x7-0.1523x8-0.39925x9-0.05231x10

U2=-0.32221x1-0.45548x2-0.44807x3-0.32368x4-0.10696x5-0.26258x6-0.17854x7+0.229384x8-0.29544x9-0.36159x10

U3=0.0471x1-0.06373x2-0.57584x3-0.03193x4-0.14729x5+0.128809x6-0.02267x7-0.60791x8-0.15157x9-0.479363x10

U4=-0.04899x1-0.20132x2-0.42522x3+0.502869x4-0.449567x5+0.239736x6+0.427067x7+0.271967x8+0.078635x9-0.03558x10

對(duì)4個(gè)主成分進(jìn)行加權(quán)求和，得到最終評(píng)價(jià)值U，權(quán)數(shù)為每個(gè)主成分的方差貢獻(xiàn)率。

U=

根據(jù)計(jì)算，可得出各影響因素對(duì)煤炭?jī)r(jià)格的影響能力得分，如表1：

以得分絕對(duì)值大于0.2，該因素對(duì)秦皇島煤炭?jī)r(jià)格影響能力較強(qiáng)為標(biāo)準(zhǔn)，篩選華南動(dòng)力煤指導(dǎo)價(jià)格、火電比例、廣州港進(jìn)口動(dòng)力煤均價(jià)、中國(guó)煤炭?jī)r(jià)格指數(shù)為核心影響因素。

三、煤炭?jī)r(jià)格預(yù)測(cè)

神經(jīng)網(wǎng)絡(luò)具有大規(guī)模并行、分布式存儲(chǔ)和處理、自組織、自適應(yīng)和自學(xué)能力，適合處理需同時(shí)考慮許多因素、模糊的信息處理問題。因此，本文選擇利用神經(jīng)網(wǎng)絡(luò)對(duì)核心指標(biāo)進(jìn)行預(yù)測(cè)，并建立價(jià)格模型。為便利操作，GPSC以代替華南動(dòng)力煤指導(dǎo)價(jià)格、TRP代替火電比例、GCAP代替廣州港進(jìn)口動(dòng)力煤均價(jià)、CCPI代替中國(guó)煤炭?jī)r(jià)格指數(shù)，以QTCAP代表秦皇島動(dòng)力煤5500大卡均價(jià)。

（一）價(jià)格模型構(gòu)建

利用R語(yǔ)言讀取數(shù)據(jù)集，對(duì)數(shù)據(jù)進(jìn)行歸一化處理以降低誤差，于原數(shù)據(jù)集中抽取3/4的數(shù)據(jù)作為訓(xùn)練集，1/4的數(shù)據(jù)作為測(cè)試集，運(yùn)用neuralnet函數(shù)建立神經(jīng)網(wǎng)絡(luò)模型，并繪制出如下圖像2，將測(cè)試集帶入價(jià)格模型實(shí)現(xiàn)模型檢測(cè)，繪制散點(diǎn)圖3。

借助R語(yǔ)言計(jì)算絕對(duì)平均誤差和絕對(duì)誤差平均律：其中，s=s為絕對(duì)平均誤差，r為真實(shí)值，p為預(yù)測(cè)值。

s1=其中，為絕對(duì)平均誤差率，μ為測(cè)試集真實(shí)值平均值。最終求得，s=5.667，=1.02%，誤差水平較低，模型預(yù)測(cè)能力良好。

（二）核心指標(biāo)預(yù)測(cè)

在借助SPSS實(shí)現(xiàn)核心要素?cái)?shù)據(jù)讀取，利用平滑指數(shù)時(shí)間序列實(shí)現(xiàn)核心指標(biāo)預(yù)測(cè)，指數(shù)平滑法進(jìn)一步加強(qiáng)了對(duì)近期觀察值與預(yù)測(cè)值的觀察作用，使觀察值能迅速反映市場(chǎng)實(shí)際變化。

本文使用SPSS中的平滑指數(shù)時(shí)間序列對(duì)核心影響因素未來十周的參數(shù)值進(jìn)行預(yù)測(cè)，并繪制了相關(guān)圖像：

預(yù)測(cè)結(jié)果如表2所示：

（三）煤炭?jī)r(jià)格預(yù)測(cè)

將核心因素預(yù)測(cè)值0-1標(biāo)準(zhǔn)化后，帶入神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型中，可實(shí)現(xiàn)價(jià)格預(yù)測(cè)。

煤炭?jī)r(jià)格預(yù)測(cè)結(jié)果如表3：

四、模型說明

（一）模型應(yīng)用

本文模型主要是借助神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)對(duì)煤炭?jī)r(jià)格的估計(jì)，神經(jīng)網(wǎng)絡(luò)突出的自學(xué)習(xí)、聯(lián)想儲(chǔ)存、高效尋求優(yōu)化解的能力使其能輕松解決此類問題，解決此類問題的思路也能一定程度上運(yùn)用至其它神經(jīng)網(wǎng)絡(luò)問題的思考，但其的預(yù)測(cè)結(jié)果會(huì)受到數(shù)據(jù)特征的影響。經(jīng)過驗(yàn)證，此模型邏輯脈絡(luò)清晰，可操作性強(qiáng)，強(qiáng)調(diào)近期市場(chǎng)的作用，預(yù)測(cè)秦皇島動(dòng)力煤5500大卡價(jià)格趨勢(shì)完全可行，可用于煤炭?jī)r(jià)格及其相關(guān)的數(shù)據(jù)研究。

（二）突發(fā)因素

本模型以普通市場(chǎng)為基礎(chǔ)，未考慮突發(fā)情況對(duì)價(jià)格的影響。在發(fā)生金融危機(jī)或經(jīng)濟(jì)環(huán)境變化時(shí)，此模型會(huì)失去一定的預(yù)測(cè)能力。

參考文獻(xiàn)：

[1]張建英.我國(guó)煤炭?jī)r(jià)格影響因素的VAR模型分析[J].經(jīng)濟(jì)問題，2016（01）：108-112.

[2]王文，李國(guó)棟.基于層次分析法的我國(guó)煤炭?jī)r(jià)格影響因素研究[J].經(jīng)營(yíng)與管理，2016（12）：87-90.

[3]（美）朱塞佩·查博羅（Giuseppe Ciaburro），巴拉伊·溫卡特斯瓦蘭（Balaji Ven-kateswaran）.神經(jīng)網(wǎng)絡(luò)：R語(yǔ)言實(shí)現(xiàn)[M].李洪成，譯.北京：機(jī)械工業(yè)出版社，2018.

[4]張智勇，李宏軍，楊鵬，李冬武.動(dòng)力煤期貨價(jià)格預(yù)測(cè)模型[J].中國(guó)煤炭，2014，40（06）：9-12+17.

（作者單位：曲禧龍，山東理工大學(xué)數(shù)學(xué)與統(tǒng)計(jì)學(xué)院;宋瑩嬌，山東理工大學(xué)經(jīng)濟(jì)學(xué)院;魏衍行，山東理工大學(xué)交通與車輛工程學(xué)院）