我國鐵路運貨量時間序列預測時間序列論文

方慧

【摘要】鐵路運貨量作為貨運市場體系中的重要統計指標，本文基于1949-2017年我國鐵路運貨量的數據，利用ARIMA模型，對我國未來幾年的鐵路運貨量進行了定量預測。預測結果顯示：未來幾年鐵路運貨量將會呈現下降趨勢。

【關鍵詞】時間序列 鐵路運貨量 平穩性 ARIMA模型 預測

一、研究背景

鐵路貨運長久以來依托大宗貨物運輸市場。大宗貨物的中長距離運輸歷來是鐵路貨運的強項，目前在鐵路承運的貨物中，能源、冶煉、建材等大宗物資占有相當大的比重。大宗物資的貨運需求將持續旺盛，也為鐵路貨運的增長提供了充足的貨源。也同時促進了鐵路運輸的不斷提高以及進步，呈現出近幾年的提高。

二、ARIMA模型的基本思想及數學模型

ARMA（p，q）模型，它是一類常用的隨機時序模型，它是一種精度較高的時間序列預測方法。ARMA（p，q）模型有三種基本類型：自回歸（AR）模型、移動平均（MA）模型以及自回歸移動平均（ARMA）模型。

三、我國貨物運輸量的ARIMA（p，q）模型

1、模型的選擇及平穩化處理

本文的數據來自王燕編著的第四版應用時間序列分析的非平穩序列的隨機分析和中國統計年鑒，原始數據見附錄。從1949年至2017年共69個數據。

通過鐵路運貨量的相關數據，可以看出其自相關系數衰減到零的速度非常慢，滿足非平穩判定的條件，所以可以判定原序列是非平穩的。

2、原序列ADF檢驗

為了完全驗證原序列為非平穩的，進一步對其做ADF檢驗。

由于時間序列均值沒有系統變化、方差沒有系統變化，且嚴格消除周期性變化的平穩序列才具有研究的價值，因此考慮對該模型做差分處理獲取平穩序列。

3、原序列一階差分ADF檢驗

由于y序列顯著非平穩，現對其一階差分序列進行ADF檢驗和差分處理。

從一階差分序列的時序圖，可以清清楚楚地看出一階差分后的序列是平穩的，可以采用ARMA（p，q）模型進行分析。

4、模型預測

對模型進行動態預測與靜態預測：

從圖中可以看到，靜態預測方法得到的預測值波動性要大;同時，方差比例的下降也表明較好的模擬了實際序列的波動，Theil不相等系數為0.474，其中協方差比例為0.7699，表明模型的預測結果較理想。

5、模型擬合結果

通過模型的擬合以及根據模型進行預測，因此，可以看出近幾年我國鐵路運貨量可能會出現下降的趨勢。

四、總結與建議

未來幾年我國鐵路運貨量可能會出現下降的趨勢，對我國鐵路貨運量的快速發展提出以下建議：精細化;鐵路貨運改革是一個面對市場化的復雜過程，鐵路作為一個承擔部分公益性運輸的企業，需針對市場需求及貨流構成進行完善的調研分析，合理制定運輸策略、完善鐵路運輸部門與物流及社會的信息共享半臺，使我國的鐵路貨運網絡能夠最大程度的發揮其便捷、載運量大的優勢，為我國經濟社會的進步發展添磚加瓦。

參考文獻：

[1]王燕.應用時間序列分析[M].北京：中國人民大學出版社，2002.9.

[2]竇隋權.鐵路貨運市場現狀及發展策略分析.鐵道貨運，2007（5）：14-17.