基于電力數據的經濟景氣指數模型研究

，，

(國網四川省電力公司，四川 成都 610041)

0 前 言

當前，隨著經濟發展進入新常態，電力需求高速增長的拐點已經到來；電力體制改革正逐步深入，各類改革試點、新售電公司層出不窮，電力公司面臨日益復雜的外部發展環境。在這種情況下，電力公司在實現企業發展模式轉型升級的過程中，如何更好處理新形勢下與政府、社會的關系，更加積極、主動地對接、服務地方經濟發展，爭取更好的外部發展環境、樹立優異的企業形象，對未來經營發展至關重要。

電力公司是數據的金礦，用電信息充分反映了市場主體的經濟活動活躍度，而電力數據相對傳統經濟數據的先行性，可以及時研判行業生產和發展態勢、服務地方經濟決策。同時，傳統視角判斷經濟周期面臨著種種制約，通過收集用電數據，從電力視角把握經濟周期，可以一定程度克服定性評價的缺陷，發揮巨大的作用。通過關聯經濟數據與用電數據，構建基于電力數據的經濟景氣指數，判斷經濟周期及其走勢，并建立相應預測模型對未來經濟走勢進行預判，具有較高的實用價值。

1 經濟景氣指數模型研究現狀

1.1 經濟景氣指數發展情況

經濟景氣研究經歷了近百年的歷史，已成為世界許多市場經濟國家監測經濟運行的一種重要手段，其構建過程主要分為以下幾個階段：第1階段主要是1888年至1917年，從巴黎統計學大會用顏色測定法國經濟波動，到哈佛編制哈佛指數以及金融市場有關的“金融指數”，并以此來預測經濟的走勢；第2階段是景氣指數的研究形成階段，1937 年，密切爾和伯恩斯研究了近500 個經濟指標的時間序列，選擇了 21 個指標構成經濟指示器，之后又提出了研究報告“循環復蘇的統計指標”，預測出了經濟轉折的時間，并被后來的實際經濟波動所證實；第3階段是景氣指數研究的發展階段，這階段對擴散指數進行了大量研究工作；第4階段是景氣指數研究的拓展階段，20世紀70年代，國際景氣研究中心將經濟景氣度用于監測分析國際經濟波動，并建立經濟監測指標體系；第5階段是景氣監測預警體系創新化階段，進入20世紀90年代后，景氣指數方法的應用范圍逐漸擴大，景氣研究思想不斷開拓創新，實際應用中不斷改進完善，目前已經成為世界許多市場經濟國家監測經濟運行的一種重要手段[1-4]。

1.2 電力數據對經濟景氣指數模型的改進

在當前的日常經濟指數模型構建和分析中，傳統判斷經濟周期與經濟走勢存在一些短板，例如判斷規則的把握以及經濟指標的滯后性等問題，難以有效地得到解決。

圖1 傳統經濟周期判斷短板

構建了基于電力數據的經濟景氣指數模型，由于電力數據相較經濟數據具有很高的先行性特征，因此構建電力景氣指數可以很好地支撐對經濟形勢的把控并且在一定程度上更具備前瞻性。

為了最大發揮電力數據的先行性特征，采取等權重加權的方式，利用選取的強周期性行業構建了基于電力數據的經濟景氣指數，并將全省售電量數據構建為基準線。進一步，引入經濟學中關于經濟周期理論的4個階段：繁榮、衰退、蕭條、復蘇，形成周期性變換模型。在構建完成的模型曲線中，當景氣指數線在上時，若兩線距離擴大，則代表復蘇；若兩線距離收窄，則代表繁榮；當景氣指數線在下時，若兩線距離擴大，則代表衰退；若兩線距離收窄，則代表蕭條。針對兩線相交，要關注該段長期時間內的發展趨勢，偶爾的相交不一定帶來經濟周期的變化。

圖2 經濟景氣指數

2 經濟景氣指數模型構建

2.1 分析行業財務與電力數據

在利用經濟和售電量直接回歸、時間序列增長回歸和兩兩比較增長率回歸均效果不佳的情況下，發現分析行業財務與電力數據關聯關系，并不需要建立明確的定量關系，只需要獲得兩者之間的關聯性是否存在。為此，為篩選出產出與用電量密切相關的公司，借用回歸模型的思路方法，采用增長率格式，將增長率數據轉換為0-1邏輯變量，作為回歸模型的輸入。這樣的預處理操作，規避了冗余信息對回歸結果的影響，又保留了電力數據和經濟數據是否保持同樣趨勢變化的關鍵信息，可以很好地分析出公司營業收入與用電量是否存在關聯。最終，91.5%的公司獲得統計學上有意義的回歸模型。

設定回歸模型常數項為0，考察售電量季度增長與否的邏輯變量對營業收入是否增長的邏輯變量的解釋系數α，只有當這個系數大于0.5的時候，認為存在相關性。具體公式為

營業收入增長邏輯變量 = 0 +α×售電量增長邏輯變量+ε

同時，以p值統計量為例，在表1列出部分上市公司回歸統計模型的p值，可以看到，絕大多數公司的回歸模型p值都小于0.05，在統計學意義上認為這些回歸模型是可以接受的。

在對公司財務與電力數據關聯度計算分析基礎上，綜合外部經濟數據中的行業分類以及內部營銷系統所記錄的行業分類記錄，厘定各個公司合適的行業分類，確保既能將上市公司有關聯的主營業務歸納到同一行業中，又不影響行業的多樣性，最終得到四川全省上市公司所屬94個行業。通過比對上市公司經濟指標與用電量關系，建立回歸模型，得到用電量與經濟數據關系密切的46個行業，并根據經驗判斷以及各方面專家意見，額外選取了15個上市公司未覆蓋的行業作為建模數據補充。

2.2 識別周期行業

按照市場中周期性、非周期性和反周期性3類進行歸類，用如下公式對其周期性做出定量分析：

行業用電增長率 = 0+β×市場用電增長率+ε

β作為模型中唯一的系數，反映該行業的周期性，即行業的景氣程度。β的取值有3種情況：β?1，則說明該行業屬于A類行業, 以建筑工程、煤炭為代表的周期性行業，即經濟繁榮時對該類行業售電增長將快于市場整體增長水平；0<β?1，則說明該行業屬于B類行業，以水務、醫療為代表的非周期性行業，即經濟波動過程中用電水平比較穩定；β<0，則說明該行業屬于C類行業，反周期性行業，即經濟衰退市場整體下降時對該類行業售電反而呈現增長。β值遠高于1的行業用電增長率保持和市場用電增長率相同的變化趨勢，但是在幅度上遠遠領先于市場用電增長率。而β值低于1的行業并不完全隨市場的變化而變化，更多的是擁有自身的周期規律。

根據對過去5年的61個行業歷史數據進行計算，得到20個強周期性行業作為編制經濟景氣指數的基礎，其用電量的變化情況與全省經濟和用電息息相關。這些強周期性行業包括：皮革、毛皮、羽絨及其制品業；家具制造業；木材加工及木、竹、藤、棕、草制品業；服裝鞋帽制造業；非金屬礦采選業；非金屬礦物制品業；其他采礦業；文體用品制造業；塑料制品業；建筑裝飾業；廢棄資源和廢舊材料回收加工業；金屬制品業；煙草制品業；紡織業；造紙及紙制品業；印刷業和記錄媒介的復制；其他建筑業；房屋和土木工程建筑業；橡膠制品業；建筑安裝業。

2.3 電力景氣指數

分別采用價格加權、市值加權、等權重加權3種方式，按照基值為100的原則，獲得具有不同特性的電力指數曲線。通過分析，價格加權下，高耗能行業權重較高；市值加權下，用電占比高的行業權重較高；等權重加權下，強正周期的行業權重較高，各種加權方式下權重高行業的波動對指數波動影響較大。因此，為了最大化發揮精選的20個強周期性行業的先行特性，最終選取等權重加權指數開展業務應用，對2012年1月至2016年5月數據進行處理。

等權重加權方式公式如下：

行業平均售電量增長率=

指數值=(1+等權重加權增長率)×第(n-1)期指數值

根據計算，得到等權重加權指數線，見圖3。

圖3 經濟景氣基礎線

按照基期2012年1月初始值均為100的原則以及等權重加權方法用20個強周期性行業構建經濟景氣指數曲線，對四川省全部行業售電量數據構建基準線進行對比，如圖4所示。

圖4 經濟指數線

2014年1月后，電力景氣指數線在下，兩線距離擴大，數據顯示經濟進入下降期。即2014年1月份是經濟周期中峰值所在的頂點，經濟周期進入下降期。同時，又通過傳統經濟學的方法得到了與使用經濟景氣指數研判的經濟周期相一致的結論，驗證了經濟景氣指數的合理性。

2.4 建立預測模型

已經構建的基于電力數據的經濟景氣指數模型可以很好實現對過去經濟情況的把控，但在使用過程中，現有的發展趨勢可能并不十分直觀明朗，為了充分發揮并放大電力數據先行性的優勢，進一步對經濟景氣指數的發展構建一套預測模型，實現更加清晰的走勢把控。

通過比對，以蒙特卡羅模擬作為預測基礎，并對其進行優化，進行預測。

在蒙特卡洛模擬中，選擇一個合適的預測函數是仿真程序可以有效運行的關鍵。對比常見的基于時間序列的預測函數幾何布朗運動結合模擬過程，可以更加有效地展現隨著時間推移電力數據的波動性。

具體算法過程如下：

1)選擇幾何布朗運動作為行業用戶數量、行業售電量等指標的隨機過程，即

dNt=μNtdt+σNtdzt

(1)

式中：μ為漂移百分比；σ為波動百分比；dzt服從均值為0、方差為dt的正態分布。

用Δt來近似替代微分變量dt，于是得到

(2)

式中，ε服從均值為0、標準差為1的標準正態分布。

2)基于對電力數據的挖掘，對幾何布朗運動做一些調整，提出其適合于該預測情景下的變式：

下期行業用電數據=當期行業用電數據×(1+漂移率+波動率×隨機擾動項)

其中漂移率和波動率可利用往年歷史數據計算。

計算所有相鄰周期用電數據比值的自然對數：

P=

行業用電漂移率=取所有周期計算結果P的平均值作為漂移率

行業用電波動率=取所有周期計算結果P的標準差作為波動率

同時，為了貼合實際，調整相關參數，設置隨機擾動項的發生機制： 往年同月份的增長率，以等權重的方式集結；往年同月份的增長率，以指數衰減權重方式集結；上述兩種類型的增長率以一定規則(正態分布標準差為1/3)構建出成正態分布的平均值。

最終，對后續12個月(2016年6月至2017年5月)數據進行預測，得到基于電力數據預測的經濟景氣指數圖線，如圖5所示。

圖5 預測的經濟景氣指數線

可以看出，未來用電量基本處于增長趨勢。然而電力景氣指數線與基線的距離并未有收攏的趨勢，因此四川地區經濟未來仍然將不會有明顯的復蘇跡象。

3 結 語

1)率先提出電力服務經濟理念，從電力的視角系統分析區域及行業宏觀經濟形勢，預測經濟發展及電量需求走勢，拓展了電力企業的服務模式，為在“電改” 新形勢下的“守土有責、守土負責、守土盡責”提供強有力的信息支撐。

2)提出以數據驅動的方式，通過機器學習方法深度挖掘多粒度多維度的用電量與經濟數據之間的相關關系，發揮了電力大數據應用的先行示范作用。下一步，將采用增量學習方法對預測模型進行迭代優化，促進景氣指數準確率反饋機制逐步完善，預測準確率持續提升。