基于灰度预测及回归方程的煤炭价格预测模型

2020-11-28金元寅郑开炎苑育豪

消费导刊 2020年49期

金元寅郑开炎苑育豪

南京林业大学信息科学技术学院

一、问题重述

1.建立通过量化分析方法的数学模型，，给出影响煤炭价格的主要因素（不超过10种），并且以秦皇岛港动力煤价格为例，给出从2019年5月1日至2020年4月30日，影响秦皇岛港动力煤价格的主要因素的排序（按影响程度从大到小排序，不超过10种）。

2.结合秦皇岛港动力煤价格的历史数据，以及问题1中的影响煤炭价格的主要因素，建立煤炭价格预测模型，分别以天、周、月为单位，预测未来31天、35周、36个月的煤炭价格。

3.为了更加准确地预测秦皇岛港动力煤价格，综合考虑未来各种情况（例如突发事件）引起的煤炭价格影响因素在结构性和重要性方面的变化，建立煤炭价格综合预测模型，并给出模型的预测结果。

二、模型假设

1.假设下文数据全部真实有效；2.假设下文代表性数据具有普遍性或可靠性；3.假设除本文分析的政策外，无外界大型干扰因素对煤炭价格产生影响。

三、符号说明

变量主要释义y煤炭价格x1世界煤炭价格（本文主要采用西北欧标杆价。）x2 煤炭生产总量x3 煤炭消费总量x4 GDP增长率x5下游行业的煤炭需求（选用我国钢材年产量为替代变量）x6国际市场天然气价格（数据以美国亨利中心天然气价格为参考）x7国际市场石油价格（数据以美国西德克萨斯中质原油价格为参考）x8 我国煤炭进口量x9 我国煤炭出口量C常量（截距）

四、模型的建立与求解

（一）问题一模型的建立与求解

1.变量选取。根据以上分析，我们建立多元回归方程模型，对影响煤炭价格的各因素进行定量研究。

2.模型检验。本文选择采用向后淘汰回归分析法进行分析。根据问题设定所需要的P值或者T值，P值一般表达拒绝零假设的犯错概率，P值越小，结果可信度越高。一般P值的可信度阈值为0.05，即当P值小于0.05时，我们认为结果是可信的。其次，分析每次回归结果的P值，删除不需要的P变量，次去掉一个最大的P值，直至所有变量结果都满足P＜0.05。

3.研究结论。通过分析得回归方程为：

由该方程可知，煤炭产量每增加1亿吨，煤炭价格下降2.492元/T，二者呈负相关；钢铁产量增加1000万吨时，煤炭价格上涨21.1元/T，二者呈正相关；当美国油价上涨1元/桶时，煤炭价格上涨0.575元/T，二者呈正相关；当煤炭进口量增加1000万吨时，相应的煤炭价格上涨0.313元/T，二者呈正相关；当煤炭出口增加1000万吨时，中国市场煤炭价格将相应下降约18.246元/T，其参数对应的系数为负，因此煤炭价格与之呈负相关。

（二）问题二模型的建立与求解

1.煤炭价格预测模型。在问题一的求解中，我们得出了回归方程：

因此，我们将通过搜集煤炭产量、钢材产量、煤炭出口量、美国石油价格、煤炭进口量数据，通过灰度预测方法预测出其未来的结果，代入回归方程后得到我们关于煤炭价格的预测情况。

2.灰色模型GM的建立。灰色系统理论基于相关空间和平滑离散函数的概念定义灰度导数和灰度微分方程，然后建立具有离散数据序列的微分方程形式的动态模型。由于这是内在灰色系统的基本模型，模型是近似的和非唯一的，因此该模型称为 GM。也就是说，灰色模型基于分离。离散随机数变为随机数，明显且有规律地减弱。建立微分方程模型以便于研究和描述其变化过程。

（三）问题三模型的建立与求解

1.政策分析。目前我国经济进入了新常态，经济增长的速度逐步放缓，但经济增长的总量依然可观，在供给方面“三去一补一降 ”显得尤为重要，这对我过得煤炭行业不仅是机遇，也是挑战。在化解煤炭产能过剩的进程中，严格落实基本方针，把煤炭产能列为安全监管的重点，严禁其过量生产低质量煤炭，坚决打击违规违量生产，把政策正真落实在企业上，加强企业的风险意识，由此减少其对环境的工业污染。从煤炭供需方面来讲，当前首要解决的是煤炭过剩问题，煤炭供需平衡首当其冲解决以此稳定煤炭价格。

2.因政策引起的变量变化分析。（1）煤炭产量。在上文政策中提到，煤炭产量会持续降低，最后趋于平缓。（2）钢材产量。对于不同地方的煤炭需求，煤炭下游产品影响了我国煤炭需求量。针对这样的问题，鼓励煤炭下游产品的发展是必要的。因此钢材产量将会在一段时间内持续增加，随后趋于平缓。（3）煤炭出口量。针对煤炭供给过量的问题，所要做的是要积极调剂其平衡，防止因过剩造成的浪费问题，以此调控煤炭价格。因此煤炭出口量将持续提高，随后降低或趋于平缓（4）煤炭进口量。对于煤炭进口来讲，受产地供应紧张，港口库存下降等因素等，高质量进口煤炭成为了必要考虑因素。因此，煤炭进口量将会在未来一段时间内降低，随后趋于平缓（5）美国石油价格。该价格无政策因素变化。

五模型的评价

（一）模型的优点

（1）将复杂的煤炭价格预测模型转化为易理解的回归方程模型，降低了模型的难度，同时也保证了预测的准确性；（2）在回归方程模型中，通过对因素具体的预测与分析，而非直接对因变量煤炭价格进行预测，大大提高了预测的准确性；（3）通过对现在时政的分析，将自变量变化趋势进行调整后，预测出的煤炭价格，更为接近实际情况。