電力行業(yè)景氣分析指標體系構建與景氣指數趨勢預測

彭放， 劉化龍， 李博

(1.國網電網有限公司大數據中心， 北京 100052； 2.國網信通億力科技有限責任公司， 福建， 福州 350003)

0 引言

電力行業(yè)的發(fā)展是經濟增長的有力支撐，可以說電力行業(yè)是國民經濟的晴雨表、經濟建設的先行者，然而與此同時我們也需要明確認識到經濟高速增長是不可持續(xù)的。近年來，面臨產能過剩、結構失衡等諸多難題，電力消費與經濟發(fā)展密切相關，從對電力數據的分析結果中可以判斷出經濟形勢走向。因此，本文對電力行業(yè)的景氣指數進行深入研究，力求通過科學手段對未來發(fā)展趨勢進行預測，為整體宏觀調控奠定理論基礎。

1 景氣分析總體概述

1.1 基礎概念

景氣分析是一種經濟周期統(tǒng)計分析方法，在經濟研究的各個領域都有應用，在各行各業(yè)的企業(yè)運營過程中，經常出現(xiàn)經濟波動現(xiàn)象，研究這種周期性增長與縮減、擴張與萎縮的經濟波動現(xiàn)象的方法稱為景氣分析法。

1.2 發(fā)展現(xiàn)狀

景氣分析研究已有近一百多年的發(fā)展歷史，縱觀整體發(fā)展歷程，理論體系已經相對完善，而且已經應用于各行各業(yè)的行業(yè)分析以及監(jiān)測預警，是很多國家監(jiān)測經濟發(fā)展的重要方法。目前國內外的研究方法主要包括KL信息量法、主成分分析法、時差相關系統(tǒng)法等[1]。

1.3 分析理論與指標劃分

景氣分析是一種經濟周期統(tǒng)計方法，根據指標在時序上的差異，按先后順序將指標劃分為先行指標、一致指標、滯后指標3大類，以此構成分析體系。其中，先行指標指的是循環(huán)波動比景氣循環(huán)轉折提前顯示變動的指標；一致指標指的是循環(huán)轉折變化的時間與景氣循環(huán)轉折基本接近的指標；滯后指標指的是比景氣循環(huán)轉折出現(xiàn)的要晚的指標。由此計算得出景氣擴展指數(DI)與景氣合成指數(CI)，可體現(xiàn)經濟景氣的增長或衰減趨勢、強弱變化。

一般來說，研究景氣的基準指標選取的是國內生產總值，循環(huán)選取的是增長周期的波動循環(huán)。得到基準指標之后，根據時差分析選擇先行指標與滯后指標，各分類的作用與劃分規(guī)則如表1所示。

表1 景氣指標分類

1.4 指標選取原則

影響行業(yè)景氣波動的因素有很多，既包括行業(yè)本身生產活動的影響，也包括上下游及相關聯(lián)的其他產業(yè)的影響，還包括國家政策、國際局勢等等具有隨機性的因素，所以在選取景氣指標時，應遵循以下原則。

(1) 全面：不能只強調某一片面的指標，需要全方位多維度進行分析評價。

(2) 靈敏：無論是先行指標還是一致指標、滯后指標，選擇時特征一定要明顯。

(3) 及時：景氣分析的指標數據時效性一定要高，否則無法達到預測目的。

(4) 準確：準確是分析的基本保障，否則全部分析都失去意義[2]。

2 數據預處理

2.1 數據補充

電力行業(yè)的源數據多種多樣，基于目前的信息化采集手段，難免會有部分缺失，對于殘缺的數據需要根據數據量的多少利用不同的值進行替代與補充，同時對于補充的數據做敏感性分析，避免個別指標錯誤導致影響整個分析體系。本文采用的方法如下。

1) 缺失數據補充

(1) 少量缺失：利用前后時期的均值進行替代補充

(1)

(2) 大量數據缺失：利用已有數據與全國數據的占比的平均值與全國數據相乘來替代補充

(2)

(3) 全部缺失又重要的數據：利用全國數據進行替代。

2) 敏感性分析

(1) 回歸計算：對包含與不包含插入值的2個序列進行回歸計算

(3)

(2) 敏感系數計算：

(4)

綜上所述，若敏感系統(tǒng)在0.8到1.2之間，則認為所補缺失值合理，否則按1%遞增或遞減，直到達到目標范圍。

2.2 標準化處理

為消除量綱的影響，將指標歸一化為同向指標，本文采用功效系統(tǒng)法對數據做標準化，將各項指標最小值設為60，最大值設為100。最終值越大越景氣的為正向指標，值越小越不景氣的為逆向指標，其功效化公式為

(5)

其中，yit為第i個指標t季度的數值。

3 關鍵算法

3.1 Census X-12法季節(jié)調整

為識別和預估時間序列的不同組成部分，了解走向趨勢與業(yè)務周期，需要做季節(jié)性調整，剔除季節(jié)和特定日期對最終分析的影響，科學把握宏觀經濟形勢。本文采用Census X-12方法進行季節(jié)調整，設YT代表無奇異值的季度時間序列，可分解為趨勢循環(huán)項、季節(jié)項和隨機要素項[3]。具體步驟如下。

(1) 初始估計

趨勢循環(huán)項初始估計：

(6)

隨機要素項初始估計：

(7)

(8)

其中，

(9)

(10)

(2) 計算趨勢循環(huán)要素與季節(jié)因子估計值

利用Henderson移動平均公式計算暫定值：

(11)

(12)

通過3*5項移動平均計算暫定S值

(13)

得到第二次預估的季節(jié)調整結果：

(14)

其中，

(15)

(3) 計算趨勢循環(huán)要素與季節(jié)因子最終值

根據上述步驟獲得最終值

(16)

其中，

(17)

3.2 Kalman濾波算法

本文基于Kalman濾波法對空間模型進行估計，具體步驟如下。

(18)

假設初始狀態(tài)向量與擾動項服從正態(tài)分布，估計誤差的協(xié)方差矩陣為

(19)

最終得出

(20)

4 電力行業(yè)景氣指數研究

4.1 指標體系

電力行業(yè)景氣指數指標體系的構建，首先要考慮電力行業(yè)本身的指標，包括總量、當前結構、發(fā)展?jié)撃堋⒂秒妰r格等多方面，其次還需要考慮石油、煤炭等上游產業(yè)的影響，另外還需要對水泥、化纖等下游產業(yè)進行關聯(lián)的分析，因此本文選取其中的關鍵因素構建電力行業(yè)的景氣指標體系如表2所示。

表2 電力行業(yè)景氣分析指標體系

4.2 模型構建

設yt為k*1維向量，代表t時期可觀測的變量，平穩(wěn)部分，ct為標量，代表t時期景氣指數真值，c為不可觀測的景氣指數，則

yt=h(ct)+utt=1,…,Tc=c1,c2,…,cT

(21)

將ct,ut看做隨機過程，對不可觀測的ct進行估計，得到

(22)

其中，L為延遲算子，

Θi=diag(θi1,…,θik);H=diag(h1,…,hk);

LCt=ct-1,Lut=ut-1

(23)

根據狀態(tài)變量αt=(ct,ct-1,…,ct-p+1,ut,ut-r+1)(p+kr)×1；干擾項ξt=(ht,0,…,0,εt,0,…,0)(p+kr)×1;∑=diag(1,0p-1,h1,h2,…,hk,0(k-1)r)

得到目標值：

(24)

其中，Ik為k×k單位陣，0k,k為k×k階零矩陣。

4.3 測算流程

電力行業(yè)景氣指數需要準確反映出行業(yè)的整體運行情況以及未來發(fā)展趨勢，基于指數模型體系，通過殘缺值替代補充、敏感性分析、標準化處理、季節(jié)調整等變換后，根據指標的歷史波動幅度對不同區(qū)域進行測算打分，最終得到綜合評分[4-5]。測算流程如圖1所示。

圖1 電力行業(yè)景氣指數測算流程

5 預測結果驗證

基于本文上述構建的指標體系與模型，對電力行業(yè)景氣指數與宏觀經濟景氣指數進行驗證，結果表明從2013年到2019年，大致有2個完整的循環(huán)，第二個周期的波動程度略低，2019年以前電力行業(yè)景氣指數大約提前1～2個月，而2019年之后則有滯后1～2個月的趨勢，可以預測未來的周期波動逐漸趨于緩慢。由此可以證明，本文構建的電力行業(yè)景氣指數可以較好的體現(xiàn)未來的發(fā)展趨勢[6]。

6 總結

不同時期會產生不同的波動規(guī)律，本文構建了電力行業(yè)的景氣指數，通過科學算法來對發(fā)展趨勢進行預估與判斷。雖然指標體系已經初步建立，還還存在很大不足之處，例如數據篩選方法的科學合理性、選取數據范圍、指標選取合理性等方面還需繼續(xù)研究與改善。