重慶市能源供給價格不確定性預測分析

[摘 要]與傳統的確定性預測不同，本文運用蒙特卡洛模擬算法，引入不確定性分析思想，實現概率化的預測和分析，對于實際工作具有重要意義。以重慶市為例，并對確定性預測和不確定預測結果進行了比較，結果顯示本方法對于實際工作的有效性和應用價值。

[關鍵詞]能源供給價格；預測；不確定性；蒙特卡洛算法；二次指數平滑法

[中圖分類號]F062.1 [文獻標識碼]A [文章編號]1005-6432（2013）34-0143-02

1 引 言

能源是國民經濟的基礎產業和戰略性資源，是保障和促進經濟增長與社會發展的重要物質基礎。隨著重慶市國民經濟快速增長，對能源的需求大幅度增長，從1997年的2030萬噸增長到2010年的7117萬噸，增長了2.5倍；與此同時，重慶市的能源生產從凈輸出轉變為凈輸入，2004年重慶市從外省區凈輸入能源241萬噸，占當年能源消費7%，以后逐年遞增，2010年凈輸入能源2627萬噸，占當年能源消費37%（《重慶市統計年鑒》（2000—2011年））。能源供需矛盾日益突出。未來隨著重慶市經濟發展，能源需求的增長具有長期趨勢；而外部由于國內外宏觀經濟形勢的不確定性，導致重慶市能源輸入的量和價格都具有不確定性，對經濟發展造成許多不利影響。因此，準確預測未來重慶市能源價格的變化趨勢，對于保障重慶市經濟健康發展及能源安全具有重要意義。

目前國內外關于能源供給價格預測的研究主要集中于確定性預測，即給出一個確切的數值，但是無法估計該數值可能出現的概率，同時也無法確定預測結果可能的波動范圍。其結果只適合于長期戰略規劃。如：吳令云等（2006）以原油需求量及其平方作為自變量，通過建立回歸模型，預測原油價格，發現石油價格由當年需求、其平方決定，且平方項系數為正，說明世界油價格隨著需求的增長有加速增長趨勢。袁霓（2009）利用ARCH模型研究了我國油價市場的波動，結果表明：我國國內原油價格收益率序列呈現明顯的GARCH效應，國內油價波動受國際油價的沖擊性較高，并呈現較長的持續性。肖龍階，仲偉?。?009）運用ARIMA模型對我國石油價格進行預測分析，結果表明：短期預測結果模擬值與實際值十分接近，但隨著時間推移，預測精度下降。孟軍（2012）利用BP神經網絡預測了內蒙古未來能源價格的波動。Chiu et al.（2010）考察了EWMA、stable density、Kernel density、Hull and White、GARCH-GPD以及混合預測模型對Brent和WTI的原油價格的預測結果，表明Hull and White模型預測結果更符合實際。

實際上，由于預測問題的超前性，實現不確定性的預測更符合短期客觀需求。利用不確定性的預測結果有助于決策者在能源規劃、風險分析、可靠性評估等方面更好地把握數據的變化情況。為此，本文引入不確定性的分析思想，運用蒙特卡洛模擬算法實現不確定性的預測和分析。這種分析方法可以在傳統預測方法只給出幾個確定值的基礎上，設法描述未來能源價格取值的可能范圍，即各種預測結果的概率分布函數及置信區間等，以達到更佳的預測效果。

2 蒙特卡洛模擬算法與模型的構建

2.1 蒙特卡洛模擬原理及預測方法

蒙特卡洛算法由數學家馮·諾伊曼用馳名世界的賭城Monte Carlo命名，又稱統計模擬實驗法、隨機模擬法，屬于實驗數學的一個分支。它是以統計抽樣理論為基礎，利用隨機數，通過對有關隨機變量的統計，抽樣實驗或隨機模擬，以求得統計特征值（如均值等）作為待解問題的數值解，是求解工程技術問題近似解的一種數值計算方法。蒙特卡洛法的特點是預測結果給出了預測值的最大值、最小值和最可能值，給出了預測值的區間范圍及分布規律。在多要素的復雜系統中，這種方法給出的預測結果更為科學、合理。它可應用于隨機變量服從任意分布、隨機變量任意組合的可靠度計算，其方法簡單、便于編制計算機程序，能夠保證依概率收斂，計算精度隨模擬次數的增加而提高。利用蒙特卡洛進行能源價格預測的步驟如下：

（1）確定能源價格趨勢的數學模型；

（2）分析能源價格歷史數據的概率分布；

（3）應用軟件產生數據的隨機數并代入模型，進行模擬運算從而產生預測結果（該結果以隨機變量的形式出現）。

2.2 能源價格趨勢模型

為了實現不確定性預測，首先建立能源價格趨勢預測模型。為了能在模擬過程中，充分利用歷史數據，本文采用二次指數平滑法預測公式建立能源價格趨勢數學模型。其計算公式如下：

3 實證分析

3.1 數據來源

本文樣本區間為1999—2011年，基礎數據來源于各年的《重慶統計年鑒》。由于統計年鑒沒有專門公布能源的價格，《重慶統計年鑒》能夠查到的數據只有原材料、燃料、動力購進價格指數，且只有1999年后的數據。因此，在本文中，能源價格采用燃料、動力購進價格指數代替，并且用CPI（居民消費價格指數）進行了平減，均換算成以1999年為基年的定基指數。

3.2 二次指數平滑公式中各參數估計及預測值

利用Eviews6.0軟件，計算得二次指數平滑公式中參數α=0.284。根據公式（2）可以預測重慶市2012—2020年能源價格指數（見下表）。

3.3 蒙特卡洛模擬

由于蒙特卡洛模擬算法需要首先確定能源價格指數數據的概率分布，而能源價格指數數據屬于時間序列數據，且具有增長趨勢，因而難以從理論上確定其概率分布。本文假定各年能源價格指數服從均值為當年實際觀測值，方差為13的正態分布。利用軟件進行1000次模擬，即可得到2012—2020年各年份重慶市能源價格指數預測結果，見上表。其中2012年預測結果概率分布見圖1，2020年預測結果概率分布見圖2。其他年份預測結果概率分布由于篇幅所限不再列出。

從運算結果得知：2012年不確定預測值均值為182.7531，最小值為154.1343，最大值為210.9714，±5%標準差為28.8094，90%置信區間為（168.8813，197.6907）。采用確定性算法所得的預測值為182.7457，包含在采用蒙特卡洛算法所得的預測范圍內。與確定性計算方法得出的結果相比，蒙特卡洛算法更細致地反映了預測的不確定性，并通過概率分布的方式直觀地展現了未來能源供給價格指數的各種可能的取值方式及其對應概率，有更大的參考價值。同時，期望值的計算結果與傳統模式的計算結果接近，但也存在一定的差異，這恰好反映了確定性計算與不確定性計算的區別。

4 結 論

常規的預測結果一般都是確定性的，只是給出一個確切的數值，但是無法估計該數值可能出現的概率，同時也無法確定預測結果可能的波動范圍，其結果只適合于長期戰略規劃。實際上，由于預測問題的超前性，實現不確定性的預測更符合短期客觀需求。利用不確定性的預測結果有助于決策者在能源規劃、風險分析、可靠性評估等方面更好地把握數據的變化情況。本文采用二次指數平滑預測模型，并利用蒙特卡洛算法來處理問題的不確定性。最后通過重慶市能源價格指數預測實例計算，驗證了該方法的有效性和應用價值。

參考文獻：

[1]吳令云，施永香，吳誠鷗.世界石油價格長期預報的一個數學模型[J].統計與決策，2006（11）：153-154.

[2]袁霓.國內油價市場波動的ARCH模型分析[J].技術經濟與管理研究，2009（1）：8-12.

[3]肖龍階，仲偉俊.基于ARIMA模型的我國石油價格預測分析[J].南京航空航天大學學報（社會科學版），2009（12）：41-46.