基于层次分析法和B-J模型的煤炭价格研究

来源:用户上传      作者:

　　摘要：煤炭属于大宗商品，煤炭价格既受国家相关部门的监管，又受国内煤炭市场的影响。该文以秦皇岛港动力煤的价格为数据，运用层次分析法对诸多影响因素进行层次分析，通过相关系数值建立对比矩阵，得到影响最大的七种主要因素，并进行一致性检验，并建立时间序列模型，结合SPSS对未来10个月的煤炭价格进行预测。
　　關键词：相关系数分析;层次分析;时间序列模型;SPSS
　　中图分类号：TP311      文献标识码：A
　　文章编号：1009-3044（2020）16-0229-02
　　1研究背景
　　煤炭属于基础能源行业，是国家的主要能源之一，也是国家经济的重要支柱之一。目前我国对煤炭的需求较大，煤炭资源紧缺，煤炭开采成本越来越高，国际上一些国家采取政策限制煤炭的开采，导致煤炭产量下降，煤炭的需求量却持续增加，而煤炭的供求关系主要通过煤炭价格反映，煤炭价格受多种因素影响而产生波动。提前预测煤炭价格，能帮助国家或企业更好的应对煤炭市场的波动，并制定相应的方案。
　　2问题分析
　　关于煤炭价格的主要影响因素问题，首先假设可能的影响因素，对各个因素进行相关系数分析，分别求出每个相关因素与煤炭价格的相关系数值，然后对各个影响元素判断相关性，最终确定有效的影响因素。然后运用层次分析法，构建指标对比矩阵，求出矩阵特征向量，得到各影响因素的权值，并按照权值（即各元素的重要性）排序，即可求出第二问，最后进行一致性检验。
　　关于煤炭价格的预测问题，本文选择时间序列预测模型（简称B-J模型）。首先对时间序列进行零均值和差分平稳化处理，得到一组平稳的随机序列。再对样本进行自相关和非自相关分析，说明不同变量之间的相关性。然后进行季节化差分处理，判断数据是否具有季节性。最后运用是SPSS对数据进行拟合和预测。
　　3影响因素
　　通过查阅资料，发现目前市场上影响煤炭价格的主要有三个方面的，分别是供需关系、其他能源价格，政府政策和市场经济环境。其中供需关系包含煤炭产量和用电量，其他能源价格包括石油、天然气价格，政府政策包括核电发电量和风力发电量，市场经济环境包括社会消费总额和焦炭产量。
　　对上述相关影响因素收集信息和数据，为了方便模型的求解，需要先将收集到的数据全部进行量化处理，运用[SPSS]对数据进行量化处理。接着把量化后的数据值带入原始数据表，得到量化后的变量因素表，完成对原始数据的归一化处理。通过量化数据可以大大简化续保率的复杂程度，使得模型求解更加简便。
　　数据量化处理后就可以进行相关系数分析，需要先计算样本的标准差和协方差，公式如下：
　　1）计算样本[Sx]标准差：[sx=（xi-x）2n-1]
　　2）计算样本[Sy]标准差：[sy=（xy-x）2n-1]
　　3）计算样本[Sxy]协方差：[Sxy=i-1n（xi-x）（Yi-Y）n-1]
　　4）计算样本相关系数：[rxy=SxySsSy]
　　计算相关系数矩阵，对相关系数进行求解，可得相对系数表，如下表所示，其中A1表示用电量，A2表示石油产量，A3表示煤产量，A4表示核能发电量，A5表示风力发电量，A6表示社会零售额，A7表示焦炭产量。且相关系数均在[-1～1]区间内，且不为0，可知A1～A7均为有效因素。
　　求出对比矩阵后，计算可得A1的权值为0.24，A2为0.16，A3为0.08，A4为0.08，A5为0.07，A6为0.04，A7为0.02。因为权值代表每个因素的重要度，可得煤炭价格的影响因素按重要度从大到小为：用电量>石油产量>煤产量>核能发电量>风力发电量>社会零售额>焦炭产量。
　　4时间序列模型
　　本文通过建立时间序列模型来预测未来十个月的煤炭价格。该模型处理的对象是平稳的随机数列，而在实际的数据中，数据水平是随着时间或者其他变量而产生变化，表现出上升或者下降的趋势。所以在建模前，先对均值为0的非平稳的时间序列进行差分平稳化处理，得到平稳的时间序列。
　　得到平稳的随机数列后，对该序列进行自相关与偏自相关分析，相应系数的计算是求解B-J模型的重点，它的正确性将直接影响结果的精确度。样本自相关系数和偏自相关系数的公式如下：
　　1）样本自相关系数[ρk]：表示时间序列相差K个时期两项数据的依赖程度或相关程度，公式为：
　　运用SPSS，导入秦皇岛港的煤炭价格表，对数据进行差分平稳化处理。然后进行分析预测，得到数据的序列图，观察可得煤炭价格随时间的变化是有一定规律的，且数据分布具有季节性，通过自相关分析，得到数据的自相关图和偏自相关图。继续用SPSS对数据进行拟合，得到拟合数据，再将填充后的煤炭价格平均值与PRE，LCL，UCL的值进行对比，观察预测值和实际值的变化，判断预测结果是否具有一定的准确性。
　　最后运用SPSS对数据进行分析和预测，对未来10个月的价格值进行预测，将秦皇岛港的价格周数据转换成月数据，导入SPSS，得到未来10个月的预测图和煤炭价格，如图所示。
　　5结束语
　　本文运用相关系数分析、层次分析法和时间序列预测模型，实现对的煤炭价格的粗略预测。而且本文使用的分析方法和预测模型可以被运用到煤炭销售企业的经营计划和营销策略中，有助于提高企业管理水平，降低风险。
　　参考文献：
　　[1] 王文，李国栋.基于层次分析法的我国煤炭价格影响因素研究[J].经营与管理，2016（12）：87-90.
　　[2] 刘阳. 我国煤炭价格形成机制及煤炭价格影响因素研究[D]. 广州： 广东外语外贸大学， 2014.
　　[3] 刘硕，何永秀，陶卫君，等.基于最优加权法的煤炭市场价格组合预测模型[J].华东电力，2009，37（4）：537-541.
　　[4] 孙继湖，彭建萍.时间序列分析技术在煤炭价格预测中的应用[J].地质技术经济管理，2000（3）：33-40.
　　[5] 李朋林，梁露露.基于BP神经网络的煤炭价格影响因素及预测研究[J].数学的实践与认识，2015，45（17）：113-126.
　　【通联编辑：谢媛媛】
转载注明来源:https://www.xzbu.com/8/view-15314952.htm