小波分析結(jié)合ARIMA組合模型的2014～2017年石油貿(mào)易量預(yù)測研究

劉險峰

摘 要：選取2002～2013年我國石油進出口貿(mào)易量的數(shù)據(jù)進行建模分析。首先運用小波分析理論將貿(mào)易量數(shù)據(jù)進行分解，識別出數(shù)據(jù)的主要特征和細節(jié)特征，針對不同特征進行識別和平穩(wěn)性檢測和參數(shù)估計，建立相應(yīng)的ARIMA模型，并進行預(yù)測加權(quán)合成。仿真結(jié)果表明，小波分析結(jié)合ARIMA組合模型的預(yù)測精度遠遠大于為改進的ARIMA預(yù)測模型，從而為科學(xué)合理的決策提供更為精確的預(yù)測模型。

關(guān)鍵詞： ARIMA模型；時間序列；進出口貿(mào)易；Eviews軟件；對數(shù)差分

中圖分類號：F746 文獻標(biāo)識碼： A 文章編號：1003-7217（2014）04-0117-06

一、引 言

貿(mào)易量預(yù)測的研究方法很多，通常運用的方法有持續(xù)法、卡爾曼濾波法、人工神經(jīng)網(wǎng)絡(luò)法、空間相關(guān)法、時間序列法等等，這些預(yù)測方法有著各自的優(yōu)點和缺點。很多學(xué)者提出了組合預(yù)測模型，如小波和BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型、小波和卡爾曼濾波預(yù)測模型。組合模型充分利用各種模型的優(yōu)點，使得預(yù)測結(jié)果更為準(zhǔn)確。

2007年王惠文[1]等人運用多元線性回歸模型對貿(mào)易和貿(mào)易的影響因素進行了預(yù)測分析，得出貿(mào)易和貿(mào)易影響因素之間的回歸模型，通過實證分析發(fā)現(xiàn)該模型預(yù)測效果較好。2010年彭向峰等人[2]提出一種基于公平角度的貿(mào)易預(yù)測模型，并以江蘇某市為研究對象，進行了實證分析。2008年鐘寶昌[3]將灰色理論同馬爾柯夫模型相結(jié)合，提出一種基于灰色-馬爾柯夫的貿(mào)易預(yù)測模型，仿真結(jié)果表明效果較好。2007年肖智等人運用SVM模型實現(xiàn)了中國進出口貿(mào)易的預(yù)測[4]；同年沈漢溪[5]等人運用ARMA模型進行進出口貿(mào)易額的預(yù)測；2011年褚曉琳[6]利用灰色理論實現(xiàn)北京市進出口貿(mào)易的預(yù)測。

上述小波分解和重構(gòu)主要是通過不同的帶通濾波器將含有綜合信息的石油貿(mào)易量數(shù)據(jù)分解成N+1組具有不同特征的時間序列信號。N+1組信號中，其中N組是細節(jié)信息反映隨機擾動帶來的影響，剩下的1組代表主要信息反映數(shù)據(jù)內(nèi)在的變化趨勢。通過分別預(yù)測并進行合成，可以有效提高預(yù)測的精度。

三、數(shù)據(jù)來源

本文數(shù)據(jù)來源于歷年《中國統(tǒng)計年鑒》，以我國2002～2013年的石油進出口貿(mào)易量為研究對象，運用改進的時間序列分析法對數(shù)據(jù)分析，實現(xiàn)2014～2017年這4年我國石油進出口貿(mào)易量做出預(yù)測，數(shù)據(jù)如表1。

四、石油進出口貿(mào)易量時間序列分析

ARIMA模型中時間序列是由一個零均值的平穩(wěn)隨機過程產(chǎn)生，因此若為非平穩(wěn)時間序列，則應(yīng)該事先對時間序列進行平穩(wěn)化處理。

（一） 平穩(wěn)性檢查

依據(jù)石油進出口貿(mào)易量的時間序列見圖4， 可以看出我國石油進出口貿(mào)易量具有很明顯的上升趨勢，因此此序列為非平穩(wěn)序列。需要進行ADF單位根檢驗，由圖5可知，ADF檢驗未能通過，說明石油進出口貿(mào)易量序列是非平穩(wěn)的時間序列[6]。

六、結(jié) 論

以上將2002～2013年的我國石油進出口貿(mào)易量的數(shù)據(jù)作為時間序列，運用小波分析結(jié)合ARIMA組合模型實現(xiàn)我國石油進出口貿(mào)易量小規(guī)模的預(yù)測。 通過模型識別、比較以及檢驗，最終選定模型為ARIMA（3，3，2），之后對2002～2013年的石油進口貿(mào)易量進行了預(yù)測，并和實際值進行了對比，發(fā)現(xiàn)預(yù)測精度是比較高的。最后，對2014～2017年石油進口貿(mào)易量進行了預(yù)測，為科學(xué)決策提供理論依據(jù)。

通過實證分析研究發(fā)現(xiàn)，改進的ARIMA模型預(yù)測精度遠遠高于未改進的ARIMA模型，因此可以將預(yù)測模型推廣到其他領(lǐng)域的預(yù)測，為合理決策提供更多方法和手段。

參考文獻：

[1]王惠文，孟浩.多元線性回歸的預(yù)測建模方法[J].北京航空航天大學(xué)學(xué)報，2007，（4）：15-18.

[2]彭向峰，李智.基于公平角度的貿(mào)易合理性研究以江蘇某市為例[J].技術(shù)經(jīng)濟與管理研究，2010，（2）：122-125.

[3]鐘寶昌.基于灰色馬爾柯夫夫模型預(yù)測房地產(chǎn)價格[ J] .統(tǒng)計與決策， 2005，（1）：18-23.

[3]肖智，陳婷婷.基于支持向量機的外貿(mào)出口預(yù)測[J].科學(xué)管理研究，2007，（7）：231-233.

[4]沈漢溪，林堅.基于ARMA模型的中國外貿(mào)進出口預(yù)測：2006-2010[J].國際貿(mào)易問題，2007，（6）：24-26.

[5]褚曉琳.基于灰色系統(tǒng)理論的北京市對外貿(mào)易預(yù)測[J].中國流通經(jīng)濟，2011，（5）：54-58.

[6]唐海燕.進出口貿(mào)易與經(jīng)濟增長：作用機制與風(fēng)險度量[J]. 華東師范大學(xué)學(xué)報（哲學(xué)社會科學(xué)版），2008，（6）：11-17.

[7]林劍平. 中國歷次通貨膨脹的原因與啟示——基于貨幣因素和體制因素的雙向視角[J]. 世界經(jīng)濟情況，2010，（7）：9-15.

[8]楊海水，趙大平，范方志. 進出口對我國經(jīng)濟增長作用的比較[J]. 統(tǒng)計與決策，2011，（12）：18-23.

[9]胡冬梅，鄭尊信，潘世明.匯率傳遞與出口商品價格決定：基于深圳港2000～2008年高度分解面板數(shù)據(jù)的經(jīng)驗分析[J]. 世界經(jīng)濟，2010，（6）：15-19.

[10]高鐵梅.計量經(jīng)濟分析方法與建模：EViews應(yīng)用及實例[M].北京：清華大學(xué)出版社，2006：85-88.

（責(zé)任編輯：王鐵軍）

Abstract：This paper selects 2002～2013 China's oil import and export trade data for modeling and analysis. The wavelet analysis is used to decompose the trade data， identifying the main features. The trade data series is tested for stationarity， and parameter estimation to build an appropriate ARIMA model. Simulation results show that the combination of wavelet analysis with the ARIMA model performs far better in prediction than the ARIMA forecasting model for decisionmaking.

Key words：ARIMA Model； Time Series； Import and Export Trade； Eviews Software； Logarithmic Difference

摘 要：選取2002～2013年我國石油進出口貿(mào)易量的數(shù)據(jù)進行建模分析。首先運用小波分析理論將貿(mào)易量數(shù)據(jù)進行分解，識別出數(shù)據(jù)的主要特征和細節(jié)特征，針對不同特征進行識別和平穩(wěn)性檢測和參數(shù)估計，建立相應(yīng)的ARIMA模型，并進行預(yù)測加權(quán)合成。仿真結(jié)果表明，小波分析結(jié)合ARIMA組合模型的預(yù)測精度遠遠大于為改進的ARIMA預(yù)測模型，從而為科學(xué)合理的決策提供更為精確的預(yù)測模型。

關(guān)鍵詞： ARIMA模型；時間序列；進出口貿(mào)易；Eviews軟件；對數(shù)差分

中圖分類號：F746 文獻標(biāo)識碼： A 文章編號：1003-7217（2014）04-0117-06

一、引 言

貿(mào)易量預(yù)測的研究方法很多，通常運用的方法有持續(xù)法、卡爾曼濾波法、人工神經(jīng)網(wǎng)絡(luò)法、空間相關(guān)法、時間序列法等等，這些預(yù)測方法有著各自的優(yōu)點和缺點。很多學(xué)者提出了組合預(yù)測模型，如小波和BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型、小波和卡爾曼濾波預(yù)測模型。組合模型充分利用各種模型的優(yōu)點，使得預(yù)測結(jié)果更為準(zhǔn)確。

2007年王惠文[1]等人運用多元線性回歸模型對貿(mào)易和貿(mào)易的影響因素進行了預(yù)測分析，得出貿(mào)易和貿(mào)易影響因素之間的回歸模型，通過實證分析發(fā)現(xiàn)該模型預(yù)測效果較好。2010年彭向峰等人[2]提出一種基于公平角度的貿(mào)易預(yù)測模型，并以江蘇某市為研究對象，進行了實證分析。2008年鐘寶昌[3]將灰色理論同馬爾柯夫模型相結(jié)合，提出一種基于灰色-馬爾柯夫的貿(mào)易預(yù)測模型，仿真結(jié)果表明效果較好。2007年肖智等人運用SVM模型實現(xiàn)了中國進出口貿(mào)易的預(yù)測[4]；同年沈漢溪[5]等人運用ARMA模型進行進出口貿(mào)易額的預(yù)測；2011年褚曉琳[6]利用灰色理論實現(xiàn)北京市進出口貿(mào)易的預(yù)測。

上述小波分解和重構(gòu)主要是通過不同的帶通濾波器將含有綜合信息的石油貿(mào)易量數(shù)據(jù)分解成N+1組具有不同特征的時間序列信號。N+1組信號中，其中N組是細節(jié)信息反映隨機擾動帶來的影響，剩下的1組代表主要信息反映數(shù)據(jù)內(nèi)在的變化趨勢。通過分別預(yù)測并進行合成，可以有效提高預(yù)測的精度。

三、數(shù)據(jù)來源

本文數(shù)據(jù)來源于歷年《中國統(tǒng)計年鑒》，以我國2002～2013年的石油進出口貿(mào)易量為研究對象，運用改進的時間序列分析法對數(shù)據(jù)分析，實現(xiàn)2014～2017年這4年我國石油進出口貿(mào)易量做出預(yù)測，數(shù)據(jù)如表1。

四、石油進出口貿(mào)易量時間序列分析

ARIMA模型中時間序列是由一個零均值的平穩(wěn)隨機過程產(chǎn)生，因此若為非平穩(wěn)時間序列，則應(yīng)該事先對時間序列進行平穩(wěn)化處理。

（一） 平穩(wěn)性檢查

依據(jù)石油進出口貿(mào)易量的時間序列見圖4， 可以看出我國石油進出口貿(mào)易量具有很明顯的上升趨勢，因此此序列為非平穩(wěn)序列。需要進行ADF單位根檢驗，由圖5可知，ADF檢驗未能通過，說明石油進出口貿(mào)易量序列是非平穩(wěn)的時間序列[6]。

六、結(jié) 論

以上將2002～2013年的我國石油進出口貿(mào)易量的數(shù)據(jù)作為時間序列，運用小波分析結(jié)合ARIMA組合模型實現(xiàn)我國石油進出口貿(mào)易量小規(guī)模的預(yù)測。 通過模型識別、比較以及檢驗，最終選定模型為ARIMA（3，3，2），之后對2002～2013年的石油進口貿(mào)易量進行了預(yù)測，并和實際值進行了對比，發(fā)現(xiàn)預(yù)測精度是比較高的。最后，對2014～2017年石油進口貿(mào)易量進行了預(yù)測，為科學(xué)決策提供理論依據(jù)。

通過實證分析研究發(fā)現(xiàn)，改進的ARIMA模型預(yù)測精度遠遠高于未改進的ARIMA模型，因此可以將預(yù)測模型推廣到其他領(lǐng)域的預(yù)測，為合理決策提供更多方法和手段。

參考文獻：

[1]王惠文，孟浩.多元線性回歸的預(yù)測建模方法[J].北京航空航天大學(xué)學(xué)報，2007，（4）：15-18.

[2]彭向峰，李智.基于公平角度的貿(mào)易合理性研究以江蘇某市為例[J].技術(shù)經(jīng)濟與管理研究，2010，（2）：122-125.

[3]鐘寶昌.基于灰色馬爾柯夫夫模型預(yù)測房地產(chǎn)價格[ J] .統(tǒng)計與決策， 2005，（1）：18-23.

[3]肖智，陳婷婷.基于支持向量機的外貿(mào)出口預(yù)測[J].科學(xué)管理研究，2007，（7）：231-233.

[4]沈漢溪，林堅.基于ARMA模型的中國外貿(mào)進出口預(yù)測：2006-2010[J].國際貿(mào)易問題，2007，（6）：24-26.

[5]褚曉琳.基于灰色系統(tǒng)理論的北京市對外貿(mào)易預(yù)測[J].中國流通經(jīng)濟，2011，（5）：54-58.

[6]唐海燕.進出口貿(mào)易與經(jīng)濟增長：作用機制與風(fēng)險度量[J]. 華東師范大學(xué)學(xué)報（哲學(xué)社會科學(xué)版），2008，（6）：11-17.

[7]林劍平. 中國歷次通貨膨脹的原因與啟示——基于貨幣因素和體制因素的雙向視角[J]. 世界經(jīng)濟情況，2010，（7）：9-15.

[8]楊海水，趙大平，范方志. 進出口對我國經(jīng)濟增長作用的比較[J]. 統(tǒng)計與決策，2011，（12）：18-23.

[9]胡冬梅，鄭尊信，潘世明.匯率傳遞與出口商品價格決定：基于深圳港2000～2008年高度分解面板數(shù)據(jù)的經(jīng)驗分析[J]. 世界經(jīng)濟，2010，（6）：15-19.

[10]高鐵梅.計量經(jīng)濟分析方法與建模：EViews應(yīng)用及實例[M].北京：清華大學(xué)出版社，2006：85-88.

（責(zé)任編輯：王鐵軍）

Abstract：This paper selects 2002～2013 China's oil import and export trade data for modeling and analysis. The wavelet analysis is used to decompose the trade data， identifying the main features. The trade data series is tested for stationarity， and parameter estimation to build an appropriate ARIMA model. Simulation results show that the combination of wavelet analysis with the ARIMA model performs far better in prediction than the ARIMA forecasting model for decisionmaking.

Key words：ARIMA Model； Time Series； Import and Export Trade； Eviews Software； Logarithmic Difference

摘 要：選取2002～2013年我國石油進出口貿(mào)易量的數(shù)據(jù)進行建模分析。首先運用小波分析理論將貿(mào)易量數(shù)據(jù)進行分解，識別出數(shù)據(jù)的主要特征和細節(jié)特征，針對不同特征進行識別和平穩(wěn)性檢測和參數(shù)估計，建立相應(yīng)的ARIMA模型，并進行預(yù)測加權(quán)合成。仿真結(jié)果表明，小波分析結(jié)合ARIMA組合模型的預(yù)測精度遠遠大于為改進的ARIMA預(yù)測模型，從而為科學(xué)合理的決策提供更為精確的預(yù)測模型。

關(guān)鍵詞： ARIMA模型；時間序列；進出口貿(mào)易；Eviews軟件；對數(shù)差分

中圖分類號：F746 文獻標(biāo)識碼： A 文章編號：1003-7217（2014）04-0117-06

一、引 言

貿(mào)易量預(yù)測的研究方法很多，通常運用的方法有持續(xù)法、卡爾曼濾波法、人工神經(jīng)網(wǎng)絡(luò)法、空間相關(guān)法、時間序列法等等，這些預(yù)測方法有著各自的優(yōu)點和缺點。很多學(xué)者提出了組合預(yù)測模型，如小波和BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型、小波和卡爾曼濾波預(yù)測模型。組合模型充分利用各種模型的優(yōu)點，使得預(yù)測結(jié)果更為準(zhǔn)確。

2007年王惠文[1]等人運用多元線性回歸模型對貿(mào)易和貿(mào)易的影響因素進行了預(yù)測分析，得出貿(mào)易和貿(mào)易影響因素之間的回歸模型，通過實證分析發(fā)現(xiàn)該模型預(yù)測效果較好。2010年彭向峰等人[2]提出一種基于公平角度的貿(mào)易預(yù)測模型，并以江蘇某市為研究對象，進行了實證分析。2008年鐘寶昌[3]將灰色理論同馬爾柯夫模型相結(jié)合，提出一種基于灰色-馬爾柯夫的貿(mào)易預(yù)測模型，仿真結(jié)果表明效果較好。2007年肖智等人運用SVM模型實現(xiàn)了中國進出口貿(mào)易的預(yù)測[4]；同年沈漢溪[5]等人運用ARMA模型進行進出口貿(mào)易額的預(yù)測；2011年褚曉琳[6]利用灰色理論實現(xiàn)北京市進出口貿(mào)易的預(yù)測。

上述小波分解和重構(gòu)主要是通過不同的帶通濾波器將含有綜合信息的石油貿(mào)易量數(shù)據(jù)分解成N+1組具有不同特征的時間序列信號。N+1組信號中，其中N組是細節(jié)信息反映隨機擾動帶來的影響，剩下的1組代表主要信息反映數(shù)據(jù)內(nèi)在的變化趨勢。通過分別預(yù)測并進行合成，可以有效提高預(yù)測的精度。

三、數(shù)據(jù)來源

本文數(shù)據(jù)來源于歷年《中國統(tǒng)計年鑒》，以我國2002～2013年的石油進出口貿(mào)易量為研究對象，運用改進的時間序列分析法對數(shù)據(jù)分析，實現(xiàn)2014～2017年這4年我國石油進出口貿(mào)易量做出預(yù)測，數(shù)據(jù)如表1。

四、石油進出口貿(mào)易量時間序列分析

ARIMA模型中時間序列是由一個零均值的平穩(wěn)隨機過程產(chǎn)生，因此若為非平穩(wěn)時間序列，則應(yīng)該事先對時間序列進行平穩(wěn)化處理。

（一） 平穩(wěn)性檢查

依據(jù)石油進出口貿(mào)易量的時間序列見圖4， 可以看出我國石油進出口貿(mào)易量具有很明顯的上升趨勢，因此此序列為非平穩(wěn)序列。需要進行ADF單位根檢驗，由圖5可知，ADF檢驗未能通過，說明石油進出口貿(mào)易量序列是非平穩(wěn)的時間序列[6]。

六、結(jié) 論

以上將2002～2013年的我國石油進出口貿(mào)易量的數(shù)據(jù)作為時間序列，運用小波分析結(jié)合ARIMA組合模型實現(xiàn)我國石油進出口貿(mào)易量小規(guī)模的預(yù)測。 通過模型識別、比較以及檢驗，最終選定模型為ARIMA（3，3，2），之后對2002～2013年的石油進口貿(mào)易量進行了預(yù)測，并和實際值進行了對比，發(fā)現(xiàn)預(yù)測精度是比較高的。最后，對2014～2017年石油進口貿(mào)易量進行了預(yù)測，為科學(xué)決策提供理論依據(jù)。

通過實證分析研究發(fā)現(xiàn)，改進的ARIMA模型預(yù)測精度遠遠高于未改進的ARIMA模型，因此可以將預(yù)測模型推廣到其他領(lǐng)域的預(yù)測，為合理決策提供更多方法和手段。

參考文獻：

[1]王惠文，孟浩.多元線性回歸的預(yù)測建模方法[J].北京航空航天大學(xué)學(xué)報，2007，（4）：15-18.

[2]彭向峰，李智.基于公平角度的貿(mào)易合理性研究以江蘇某市為例[J].技術(shù)經(jīng)濟與管理研究，2010，（2）：122-125.

[3]鐘寶昌.基于灰色馬爾柯夫夫模型預(yù)測房地產(chǎn)價格[ J] .統(tǒng)計與決策， 2005，（1）：18-23.

[3]肖智，陳婷婷.基于支持向量機的外貿(mào)出口預(yù)測[J].科學(xué)管理研究，2007，（7）：231-233.

[4]沈漢溪，林堅.基于ARMA模型的中國外貿(mào)進出口預(yù)測：2006-2010[J].國際貿(mào)易問題，2007，（6）：24-26.

[5]褚曉琳.基于灰色系統(tǒng)理論的北京市對外貿(mào)易預(yù)測[J].中國流通經(jīng)濟，2011，（5）：54-58.

[6]唐海燕.進出口貿(mào)易與經(jīng)濟增長：作用機制與風(fēng)險度量[J]. 華東師范大學(xué)學(xué)報（哲學(xué)社會科學(xué)版），2008，（6）：11-17.

[7]林劍平. 中國歷次通貨膨脹的原因與啟示——基于貨幣因素和體制因素的雙向視角[J]. 世界經(jīng)濟情況，2010，（7）：9-15.

[8]楊海水，趙大平，范方志. 進出口對我國經(jīng)濟增長作用的比較[J]. 統(tǒng)計與決策，2011，（12）：18-23.

[9]胡冬梅，鄭尊信，潘世明.匯率傳遞與出口商品價格決定：基于深圳港2000～2008年高度分解面板數(shù)據(jù)的經(jīng)驗分析[J]. 世界經(jīng)濟，2010，（6）：15-19.

[10]高鐵梅.計量經(jīng)濟分析方法與建模：EViews應(yīng)用及實例[M].北京：清華大學(xué)出版社，2006：85-88.

（責(zé)任編輯：王鐵軍）

Abstract：This paper selects 2002～2013 China's oil import and export trade data for modeling and analysis. The wavelet analysis is used to decompose the trade data， identifying the main features. The trade data series is tested for stationarity， and parameter estimation to build an appropriate ARIMA model. Simulation results show that the combination of wavelet analysis with the ARIMA model performs far better in prediction than the ARIMA forecasting model for decisionmaking.

Key words：ARIMA Model； Time Series； Import and Export Trade； Eviews Software； Logarithmic Difference