预测价格（通用12篇）
预测价格 篇1
随着生活水平的提高, 人们对猪肉需求量越来越大, 同时对猪肉价格的变化也变得越来越敏感。猪肉行业的发展与稳定关系到三农问题和社会和谐。2007年猪肉价格变化是先上涨后回落以趋于稳定, 那么2008年猪肉价格又会如何变化呢?
一、2007年猪肉价格上涨后落的原因分析
2007年相比去年同期猪肉价格一直在上升 (见图1, 源自国家统计局网上公布数据) , 且价格上涨幅度很大。那究竟是什么原因导致此种情况呢?
众所周知, 在市场上交易的任何一种商品都是由该商品的供求双方来决定的, 市场上猪肉销售价格即均衡价格也是由猪肉供给与需求双方决定的 (如图2) 。当供给与需求达到一致时, 该价格称为均衡价格或市场出清价格, 如用S代表猪肉供给, D代表对猪肉的需求, 横轴Q代表猪肉量, 纵轴P代表猪肉的价格, 则下图P0价格即为猪肉市场均衡价格, 但此价格可能很高, 也可能很低。
就现实情况分析可知, 我国2007年前期猪肉呈现需求增加、供给减少的情况。猪肉的需求增加, 即需求曲线由D1向右上方移动到D2, 此时价格必然上升到P1;另外, 猪肉的供给却在减少, 即供给曲线S1向左上方移动到S2, 价格必然由P1上升到P2。最终结果是随着需求增加供给减少, 价格由P0上升到P2处, 均衡量由Q0变化到Q2处。这是猪肉价格上升的原因。那么又是什么原因导致猪肉需求增加、供给减少呢?
1. 猪肉需求增加的原因
(1) 人们收入的提高导致对猪肉的需求增加。根据恩格尔定律, 随着人们收入的提高, 人们用于食品的消费支出增加, 而食品支出占总收入的比例却在下降。即随着人们收入的不断增加, 人们会用更多的收入用于食品消费, 以改善生活水平。近几年我国的国民收入连续快速稳定增长, 每年的增长率保持在10%左右。 (见下图4, 数据来自中华人民共和国统计局2006年公报)
随着人们收入的不断提高, 用于购买食品的支出不断增大, 而猪肉在我国肉类消费市场上占64%, 人们收入提高必然增加对猪肉这一商品的需求, 导致猪肉的需求大于现实市场供给, 致使猪肉销售价格上涨。据预测2010年我国GDP总量将接近30万亿元人民币, 折合4万亿美元以上。届时, 全国人口按13.48亿计算, 人均GDP总量将接近2900美元。经济总量的持续扩大对猪肉的需要非常巨大, 同时对肉类工业的发展也十分有利。
(2) 猪肉的替代作用导致需求增加。替代作用指用一种物品去代替另一种物品来满足人们的某一需要, 如用苹果去代替梨来满足人们对水果的需要。因为近几年来愈演愈烈的“禽流感”、“疯牛病”等疫情不断发生, 人们从关注自身健康角度出发, 人们必然会用减少对禽类和牛肉的消费支出, 而更多地选择猪肉去消费, 这也增加了猪肉的需求, 从而导致猪肉价格上升。
2. 猪肉供给减少的原因分析
(1) 去年生猪疫情导致生猪存栏数的减少。发生在去年我国的生猪疫情导致许多养殖户大量亏本, 生猪的价格急速下降, 养殖生猪变成毫无利润可营且养殖风险极大的行业, 直接导致众多养殖户失去养殖生猪的积极性, 致使生猪的出生数、存栏数大量下降。而生猪出栏是要半年左右的时间, 结果是导致2007年市场猪肉供给减少, 猪肉价格上升。
(2) 粮食价格上升, 导致养殖成本增加, 从而致使猪肉供给减少。生猪养殖成本包括众多方面, 而其中占总成本较大的就是饲料成本 (见下图5) , 饲料成本的上升会直接导致生猪养殖成本上涨, 从而养殖户获取的利润减少, 进而导致市场猪肉的供给减少, 价格上升。我国的粮食价格从03年开始就一直上涨, (见下图6) 而粮食价格的上涨必然导致饲料价格的上涨。所以粮食价格上涨也是猪肉供给减少的原因之一。
(3) 自然因素导致生猪出栏数和运输成本增加, 从而导致猪肉价格上涨。运输成本主要包括将生猪运到屠宰场或加工企业的运输费用, 以及将猪肉运到超市或农贸市场的费用。今年我国江淮一带和南方一直以阴雨天气为主, 过多的雨水导致大数地方遭受水灾, 致使生猪的存栏数大量减少, 猪肉的供应量减少。另外道路运输困难, 运输成本急剧增加, 而最终市场上的猪肉价格里是包含了这一增加的运输成本, 所以运输成本增加也导致了猪肉价格上涨。
二、对猪肉来年价格的预测
随着2007年年猪肉价格的走高, 养殖生猪利润空间增大, 这会吸引更多的人加入养殖生猪这一行业。而该行业是一个类似于完全竞争市场的行业, 即进入该市场非常容易, 进入成本也非常低, 所以必然有大量的人和企业涌入养殖生猪行业。故就来年而言, 市场上猪肉的供给将不断增加, 即供给曲线向右移动, 导致销售价格下降, 而价格下降会使需求增加, 致使需求曲线也右移 (见图7) 。但猪肉是一种像粮食一样的缺乏弹性的物品, 它同粮食一样也存在“丰收悖论”现象, 即供给增加, 导致物品价格下降, 而价格下降会使需求增加, 但因为猪肉需求缺乏弹性, 其需求增加的幅度很小, 其结果是均衡价格必然下降, 养殖户获取的收益减少。对此可如下证明, 假定需求函数为Q=f (P) , 则收益函数为TR=PQ, 对其进行求导可得以下式子:d (TR) /d P=d (PQ) /d P=Q+P d Q/d P=Q[1+ (PdQ) / (QdP) ]=Q (1-ed) , 即收益与价格的关系与弹性系数ed有关, 而猪肉是缺乏弹性物品, 即ed<1, 所以收益与价格成正比, 即价格越高, 收益越高, 价格越低, 收益越少。
故就来年而言, 如不再出现大面积的生猪疫情, 猪肉的供给必然大量增加, 最终导致猪肉价格下降。
三、提出一些参考性建议
1. 作为生猪养殖户而言, 不宜盲目扩大养殖数量
因为养殖数量增加, 其饲料成本, 购进仔猪成本必然增加, 这些都导致养殖成本过大。另外因生猪市场供给过量而必导致其价格下降, 增加养殖户获利风险。
2. 近量缩减出栏时间
尽量在猪肉价格下降前即比同期生猪早出栏, 争取在时间上占有优势, 这样可以减少养殖风险。
3. 建议某些地方可以增加玉米、大豆等农作物的种植面积
因为这些都是饲料的原材料, 其需求量在来年必是很大的。
4. 建议可以作仔猪出售生意或饲料出售业务
大量养殖户加入养殖生猪行业, 必然导致仔猪价格上升和饲料价格上升, 这给养殖仔猪和销售饲料业务带来较大盈利空间。
5. 建议对养殖户和企业对猪肉进行深加工
如生产更多的火腿、罐头等猪肉深加工产品。
6. 当地政府应做好宏观调控作用
当地政府应发挥其宏观调控机制, 规范生猪养殖市场, 积极帮助养殖户了解市场, 分析市场, 以减少养殖风险;另应做好生猪的防疫工作, 避免疫情的大面积爆发。
摘要：本文通过运用经济学的供求原理来分析2007年我国的猪肉价格的变化。分析出因为国民收入的增加以及猪肉的替代效应等导致猪肉需求增加, 而同时因为生猪疫情的爆发和养殖成本的增加导致猪肉供给减少, 故猪肉市场价格会上涨。针对2008年猪肉价格情况, 我们同样运用经济学原理的供求原理加以预测, 得出在正常情况下来年猪肉价格会下降, 并维持在略高于2006年价位的水平上, 由此提出养殖户谨慎控制养殖生猪数量并加强猪肉的深加工、政府应加强宏观调控和疫情检测等参考性建议。
关键词：猪肉,消费者,价格指数,供给,需求
参考文献
[1]胡凯:我国生猪供应链的现状-问题与发展趋势.安徽农业科学[M].2007, 35 (12) :3667～3668, 3676
[2]汝娟:中国肉制品行业预测.农产品市场周刊[M].2007 (10) , 47
[3]张旭宏:当前国内市场运行中出现的问题.经济研究参考[M], 2004 (55) , 10
[4]高鸿业:微观经济学.中国人民大学出版社[M].2002 (9) .45～46
预测价格 篇2
废钢供求及价格走势预测
摘要：一、我国废钢产业发展概况 废钢是钢铁工业十分重要的`原材料.随着钢铁工业对废钢的需求日益增长,每年缺口都在1 000万吨以上,而且这是在电炉钢产量比重只有12%左右的废钢消费水平.废钢产业包括废钢回收、进口、加工、运输、应用、贸易等领域.作 者：林加冲 作者单位：浙江省再生资源有限公司 期 刊：资源再生 Journal：RESOURCE RECYCLING 年，卷(期)：, “”(2) 分类号：
2009年化肥价格走势预测 篇3
一、市场分析
2008年，由于国际市场原油、化肥价格波动剧烈，出口形势变化较快，国内煤炭价格涨跌明显，使得国内化肥价格出现较大幅度波动，化肥品种价格水平总体明显高于去年。国家先后4次调高出口关税，特别是去年9月30日将尿素出口特别关税提高至175%，加上去年底国际市场化肥价格大幅回落，化肥出口利润空间明显减少，使得近几个月化肥出口量大幅下降，今年初化肥价格延续去年走势，呈小幅下降走势。
自2009年1月25日起，国家将国产化肥出厂价格、除钾肥外的进口化肥港口交货价格由政府指导价改为市场调节价，取消了对已放开的化肥出厂价格实行提价申报、调价备案、最高限价以及对化肥流通环节价格实行差率控制等各项临时价格干预措施，目前我国化肥供求总量基本平衡，价格总体上处于正常运行区间。
今年3月前，前期高成本的存货将陆续被消化。到6—7月份价格将达到高点，但相对于年初价格涨幅有限，预计全年化肥价格将保持基本稳定，价格水平将低于去年。
一是化肥市场需求将有所回升。虽然去年前11个月，我国化肥累计产量比上年增加1.6%，化肥累计出口同比下降18.1%，月度出口由百万吨减少到20万吨以下，化肥产量的增加、出口的萎缩使生产企业库存明显增加，目前化肥供求形势相对偏松，但去年粮食价格稳步上升、国家大幅提高粮食最低收购价以及农业发展的支持力度不断加大，使得农民种粮积极性仍比较高，农民用肥需求在去年增加0.9%的基础上会继续增加，加上自2008年12月1日起，国家降低了化肥出口关税，调整了尿素等品种出口关税征收方式，出口持续下降的局面会有所改变。
二是化肥企业生产成本也会相对稳定。今年，煤炭市场受宏观经济下滑和人力、环境等成本上升的双向影响，价格会保持相对稳定，成本因素对化肥生产和市场价格的影响将比较小。
三是国际市场化肥、原油价格将窄幅波动。国际市场的化肥、原油价格同国内化肥价格的相关性较强。据监测，美国海湾散装尿素FOB价格从去年初的473美元/吨迅速上升到7月底的891美元/吨，随后又快速回落到今年2月初的253美元/吨。后期，国际初级产品市场的持续低迷将使得国际化肥价格难有大的上升，预计价格将稳中略有波动。同样，原油价格也经历了大起大落，从去年最高点的147美元/桶回落到目前的40美元/桶左右，近一段时间内各国都在积极应对经济衰退和金融危机影响，价格稳中略升，后期原油价格保持窄幅波动的可能性较大。国际化肥、原油价格的窄幅波动对保持国内化肥价格稳定是非常有利的。
四是化肥淡储政策将发挥更为积极的作用。经过这两年的实践，国家化肥淡储总量提高到1100万吨，许多化肥承储企业淡储规模已有所提高，近期国家又决定将化肥淡季商业储备规模增加到1600万吨，淡储工作正有条不紊地开展，用肥季节前市场备货量会比较充足，市场对化肥价格的动态调节能力在进一步增强。
二、几点建议
一是落实好化肥价格形成机制改革的各项措施，促进化肥市场有限健康发展。在机制改革过程中，要注意保持化肥市场供求的总体平衡，积极引导企业按照市场规律正常组织生产经营活动，近期要鼓励企业进一步加强对外合作，努力扭转出口低迷局面，如出现许多化肥生产企业被迫停产影响市场供应情况时，要进一步加大对企业的政策优惠力度，可扩大企业生产用电、用气和铁路运输的优惠幅度，并为化肥生产企业提供优化的贷款、贴息等。同时，继续利用好化肥淡季储备，提高对化肥市场的供应调节能力。
二是进一步完善农资综合补贴制度，确保用肥季节化肥供应稳定。去年的我国农资综合补贴资金达716亿元，今年在保持粮价稳定的基础上，要进一步增加农资综合补贴资金，综合考虑去年化肥、柴油等农资价格和粮食种子、农药、农膜等价格变动对农民种粮收益的影响，适当提高综合补贴标准，提高农民用肥购买力。而且，要发挥好国有农资销售部门的主渠道作用，促进流通渠道畅通，鼓励企业在乡镇特别是农村设立直销点，统一供货，合理定价，确保用肥季节货源充足。
三是继续加强化肥市场的监管，并密切关注国内外市场的新动向。继续深入开展化肥市场价格检查，严厉查处企业恶意提价行为以及市场中掺杂、掺假、以次充好、缺斤短两等价格欺诈行为。同时，在当前全球经济有所下滑的情况下，更要密切跟踪国内外市场原油、化肥等价格的新变化，加强化肥市场监测分析预警，及时分析市场出现的异动迹象，提前采取预防措施，防止国内化肥市场价格大起大落。
专家预测饲料价格走高趋势不变 篇4
1 饲料价格走高趋势不会改变
华南农业大学教授冯定远表示, 中国很快会超过美国, 成为全球第一大饲料生产国和消费国。去年中国饲料生产量比前一年增长了11%, 目前从广东来看, 今年的饲料产量还会进一步增加, 可能比去年增加13%～14%。
冯教授认为, 中国的饲料产量将会越来越高, 主要基于以下原因, 一是过去肉禽都是散养, 饲料都是用农副产品, 或者用一些下脚料, 现在没有农副产品, 必须要对饲料原料和商品饲料有更高的要求;二是由于城镇化, 居民的肉类需求增加, 对于商品化生产的饲料需求越来越强。按照目前的态势, 未来15～20年中国饲料产量仍将保持增长, 生产成本也将越来越高, 尽管短期内可能有所波动, 但是长期来看, 价格走高的趋势不会改变。
“随着国内生活水平的提高, 我们对未来的饲料消费也比较看好, 这部分消费每年都呈刚性增长的态势。”美国福四通集团公司亚洲部主任李小悦也表示, 由于农村城市化的趋势, 未来的消费主体将由城镇转向农村, 农村是未来蛋白消费的主力。
谈及今年的豆粕供需情况, 海大集团大河饲料有限公司总经理顾众称, 目前国内豆粕供应比去年增加不少, 去年进口量增加2700万吨。目前来看, 今年最主要的问题是全价料比较多, 国内生猪存栏量较高, 这跟生猪饲养投资大幅增加有关系。但是家禽饲养情况就不是太好, 可能已经进入到存栏的低谷期。现在国家储备肉的增长量还是比较多的, 整体上看, 豆粕的需求比去年有所增加。
2 饲料产业结构面临调整
冯定远认为, 随着豆粕价格的下跌, 饲料企业会增加配方里豆粕的用量比例。由于国内的饲料配方技术还不算很高, 大多数企业对饲料主要原料价格的变化还不够敏感, 尽管做配方的时候有所谓的最低成本配方, 但是对豆粕基本都是人为设定的比例, 这个比例往往是不够合理的。豆粕价格下跌时, 使用率会增长, 饲料技术人员却没有把饲料营养和价格进行综合考量。如果精明的饲料企业抓得好, 可能会降低成本, 反之更多是一种盲目行为。
随着近年来大宗原料价格上涨以及养殖结构的变化, 预混料和浓缩料的市场份额将逐渐缩小, 全价料市场份额将逐渐增加。冯定远称, 中国的饲料产量增加是毫无疑问的, 但从比例来看, 预混料、浓缩料肯定是针对落后的产能, 广东地区就很少用浓缩料和预混料。今后整个中国的饲料产量还会增加, 另外结构也发生变化, 工业化的生产全价料比例也会进一步增加, 猪料比例也会大大增加。
预测价格 篇5
2006年，我国棉花价格经历先涨后跌再走稳的过程，新棉集中收购期收购价格低于上年同期。受供求关系及国际市场价格的影响，预计2007年棉花价格总体走势稳中趋涨，价格小幅波动。
一、2006年棉花价格运行情况
(一)新棉收购价格高开低走，集中收购期平均价格比上年同期有所下降，全年平均价格高于上年。前三季度收购价格保持上年末的较高价位，9月初新棉开秤，主产区328级籽棉收购价格为每50公斤(下同)682元，较上年同期高4%，但从中下旬开始，价格逐步下降，到11月份，降到554.60元，比上年同期下降16.02%，12月份比11月份略有上涨。9-12月份新棉收购价格平均为583.70元，较上年同期下降9.18%。全年棉花平均收购价格为627.07元，较上年上涨9.54%。
(二)现货销售价格呈下降走势，全年平均价格比上年有所上涨。去年前8个月价格小幅下调，进入新棉花呈加速下降的态势。1月份，棉花销售价格为707.39元，比上年同期上涨24.89%，12月份为626.47元，较年初下降12.92%，比上年同期下降12.44%。1-8月平均价格为696.64元，较上年同期上涨6.61%；9-12月份价格平均为645.69元，较上年同期下降6.77%。全年主产区棉花销售价格平均为679.53元，较上年上涨4.00%。
(三)期货价格在波动中下降，年底价格有所反弹，但仍低于 1
上年水平。郑州商品交易所棉花期货收盘价格由年初的15295元/吨逐步下降，10月份降至13205元/吨的全年最低水平后，价格开始回升，12月份月平均收盘价格为13970元/吨，较年初下降
8.66%，较上年同期下降7.27%。
二、2007年棉价走势分析及预测
综合国内外棉花供求情况及国际棉价走势分析，预计2007年我国棉花价格总水平稳中趋涨，出现剧烈波动的可能性较小。
(一)2006/07国内棉花产量有较大幅度增加，供给压力得到缓解，但2007/08产量再度增加存在一定难度。据中国棉花协会预计，2006年全国棉花总产量预计超过670万吨，比上年增加100万吨，增幅达到17.5%。棉花产量大幅增加，使国内供应压力得到一定缓解，进口棉数量迅速下降，新棉收购期累计进口棉花61.42万吨，较上同期减少43.31%。但新棉花继续增产难度较大。据部分主产省农业部门调查，受2006年棉花价格走势的影响，新疆区2007年棉花种植面积可能下降3%，河北、安徽、江苏等省的一些地方下降的幅度在7%-10%之间。国际棉花咨询委员会近期发布的预测数据显示，2007/08中国的棉花种植面积与上年基本持平，但由于单产由上每公顷1209公斤降至1155公斤，导致中国棉花产量将降至621万吨。
(二)纺织业保持快速发展，国内棉花需求量增加。我国加入世贸组织以来，纺织业取得了长足发展，纺织品出口增长较快。近几年纺织品服装出口都在20%以上，2006年尽管受欧美等对我国纺织品设限等因素的影响，但由于我国实行了纺织品出口市场多元化战略，全年仍增长25.2%。2006年秋季广交会纺织服装出口签约增长20.57%，预计2007年纺织品出口仍将有较高增长，国内棉花需求量将保持较大幅度增加。据国际棉花咨询委员会预测，中国纺织业今年仍有较好的发展态势，2007/08将达到440万吨，比上一增大18.92%，棉花产需缺口会进一步扩大。
(三)国际市场棉花价格上涨直接影响国内棉花价格走势。据美国农业部1月报告预计，2006/07全球棉花生产增长低于消费增幅，出口量大幅减少并低于进口需求，库存继续下降，这将对国际市场价格上升产生影响。同时，由于国际市场玉米、小麦等农产品供应偏紧，市场价格维持高位运行，下粮棉争地现象将愈发突出，粮价上涨可能导致种棉面积下降，带动棉花价格走高。据预测，按目前玉米、大豆价格走势，国际市场玉米价格将维持在每蒲式耳3.75-4.0美元，大豆维持6.0-7.5美元，在保持正常的比价情况下，纽约期棉应维持在60美分的水平上，高于目前的55美分左右的价位。
但也要看到，虽然各方面预计我国纺织品出口仍维持较高增长，具有拉升价格的一面，而人民币升值趋势将会在一定程度上增加产品出口成本，挤压企业利润。据有关方面测算，人民币每升值1%，棉纺织、毛纺织、服装等行业利润率分别下降3.19%、2.27%、6.18%。这势必影响企业对棉花价格上涨的承受能力，构成对棉价上涨的制约，促使价格保持稳中略升态势。
三、几点建议
为促进今年棉花生产，努力保持棉花价格在一个相对合理、稳定的水平上，提出以下几点建议：
(一)加强对棉农的保护，稳定棉花生产。为保护农民利益并保持棉花产业的健康发展，应研究实施对棉花生产补贴等保护政策。目前国际上对棉农进行补贴的方式主要有两种：一是按种植面积直接补贴；二是制定保护性补贴政策，即根据棉农的生产成本等确定保护性价格，当市场价格低于保护性价格时，政府按差额对棉农提供补贴，我们可以研究借鉴。去年底在新疆区采取的棉花收储措施，对稳定棉花收购价格、保护棉农利益发挥了重要作用，今后应总结完善、形成机制。此外，还可以研究实行诸如对棉农进行种植方面的指导、良种补贴、农资直补以及为棉农自然灾害保险等一系列措施，在更广泛的范围内保护棉农生产积极性。
(二)应采取措施抑制棉花需求增长过快的势头。从人多地少的基本国情及保证粮食安全的需要看，大幅增加种棉面积不太可能，只能尽量利用国际市场棉花资源、保障国内供给。近几年，我国纺织行业发展较快，棉花进口数量已经占到全球棉花贸易量的41%，对外依存度高可能会导致国际投机基金炒作下进口价格大幅上涨等风险。因此，我国应采取措施控制纺织业产能过快增长，相应把棉花需求增长控制在适度范围内。同时，要通过品牌战略、技术改造以及产业升级等措施，促进纺织企业逐步摆脱依靠低价
竞争的产业模式，走上良性发展的道路。
(三)把握好调控时机，努力保持棉花价格基本稳定。近年来，国家通过配额、收储、关税等多种手段调控市场，对保持棉花供求总量平衡、维护价格基本稳定起到了重要作用。今年我国棉花仍存在较大缺口，2006/07前四个月进口数量下降幅度较大，预计2007年棉花进口数量将有较大增加。从当前棉价看，进口棉没有价格竞争力，国产棉可能会消耗较多，后期棉纺织企业使用进口棉将大量增加，报价也会上调，如果进口过于集中，可能会引起国际市场棉价上涨。因此，在配额发放时机选择上，既要避免冲击国内市场，还要防止国际棉价剧烈波动带来不利影响。
邯郸市物价局
基于GDP的煤炭价格预测研究 篇6
摘 要：煤炭价格是煤炭行业重要的经济指标之一，有效地把握当期煤炭价格这一指导性经济指标，有助于企业及时调整生产计划，规避市场价格风险。本文通过对我国名义GDP时间序列与原煤平均价格时间序列拟合度的探索，发现当期原煤价格受二年以前的GDP影响较为显著，建立时滞为1的半对数回归模型，利用GDP时间序列预测值，估计2015～2020年的我国原煤平均价格，并得出了我国原煤价格的波动周期大约为5年的结论。
关键词：煤炭价格；名义GDP；预测；半对数回归模型；时间序列
0 引言
中国的能源发展规划在过去几十年的发展过程中一直都比较重视和强调对一次能源的需求问题，我国是富煤、少气、贫油的国家，煤炭是我国国民经济和社会发展的基础，能源消费中煤炭占比近七成，依赖煤炭的能源状况将会持续相当长的时间，预测到2050年我国煤炭在一次能源生产和消费结构中仍将占到50%以上。
90年代末我国进入高速经济发展时期，一般来说，经济发展水平越高、经济增长速度越快，与之相关联的生产和生活所耗费的煤炭总量也就越多，煤炭价格也会随之发生变化。中南大学的朱有富研究了能源消费 GDP的内在关系，把煤炭能源作为经济发展的基础，研究表明我国煤炭能源消耗增长与GDP之间存在长期的协整关系。中国矿大的丁志华探究煤炭价格波动对我国实体经济的影响，对煤炭价格对实体经济的总量变量的影响效应做了一般性检验，结果表明，煤炭价格波动对产出具有正向效应。2004～2010年期间，在我国对固定资产投资、出口贸易的刺激以及对居民消费的鼓励等因素的共同作用下，引起市场对于煤炭需求的大幅上升，于此同时我国GDP也保持了较为快速的增长速度。
经济增长对煤炭的需求，表面上是对现有煤炭存量的需求，更深层的影响表现在对煤炭增量的需求，而煤炭增量需求的变化直接影响了我国的煤炭价格。正是根据以上思路，本文倾向于探究国民经济的发展对未来一期或数期煤炭价格的影响，挖掘煤炭经济指标伴随国民经济指标产生的相应变化，其具体解释如图1所示。
图1 GDP与煤炭经济指标关系图
如图所示，以“GDP”作为分析的起点，“收入水平”随GDP上升而上升， “消費需求”与收入水平同向变化，市场对电力、钢铁、建材和化工产品需求的上升，引起煤炭需求的显著上升，在市场环境和市场规律的作用下煤炭价格相应上升。考虑到GDP上升由消费、投资、政府支出和净出口共同决定，本文认为，单一因素（煤炭价格上升）不对GDP产生显著影响，因为产业链的传导机制遵循由下游到上游的模式，下游行业的波动逐级向上游传导引起煤炭行业的波动，反之则不显著，即GDP（作为对最终产品的统计）不会受到煤炭价格变动的显著影响，故图中用虚线连接。
基于以上分析，本文首先建立1978年～2014年我国名义GDP时间序列模型，预测2015年～2019年我国GDP，然后将GDP作为解释变量，煤炭价格（2001年～2014年全国重点煤矿原煤平均价格）作为被解释变量，将当期的GDP作为下一期和下几期的煤炭价格的解释变量，采用半对数回归模型模拟GDP对煤炭价格滞后的影响，以期通过对GDP的预测把握未来中国煤炭价格的走向。
1 基于时间序列模型的GDP预测
1.1 时间序列模型识别
根据2015年3月5日中国第十二届全国人民代表大会第三次会议，国务院总理李克强作政府工作报告中表示，中国2015年经济增长目标降为7%左右，即2015年全国GDP预计为681015.1亿。预测值与国家调整预计值的误差为2.6%，预测精度较高。
2 煤炭价格与我国GDP关系研究
选取2001年～2014年我国重点煤矿平均原煤出厂价格（数据来源《中国经济年鉴》）作为煤炭研究价格。分别是：97.6、111.2、114.6、137、162.7、153.7、127.8、273.1、304.6、388.5、444.8、464.9、430.6、411.6。（单位：元）
以原煤价格Pt为因变量，GDPt*为自变量，建立2001年～2014原煤价格与GDPt*的半对数回归模型，Pt=C+lnGDPt+εt，εt-WN（0，σ），t=2001，......2014 （3）
分别采用表3中数据与不同滞后期的GDP序列做模型（3）的参数估计，随着滞后期的增大，必然会出现一个滞后期L，使得模型拟合为最优，并且根据市场的经济规律此种变化在一定阶段内具有最优点。
根据各个滞后期的模型拟合情况可知，当L=1时，模型拟合度最高，即以符合半对数回归模型为前提假设，当期原煤价格受2年以前的GDP数值影响较为显著，因此，得半对数回归方程，
pt=-2617.488+231.874lnGDPt-1 t=2001，......2014 （4）
利用2013年～2014年GDP数值与2015年～2019年GDP预测值，通过回归方程（4）预测2015～2020年原煤平均价格，如表2所示。
表2 2015～2019年原煤平均价格预测值
[年份＼&2015年＼&2016年＼&2017年＼&2018年＼&2019年＼&2020年＼&价格＼&481.2＼&502.7＼&525.6＼&548.9＼&572.4＼&595.9＼&]
（2015年，截止到3月份原煤实际平均价格为453.6，预测值与实际值的误差为6.03%，预测精度较高）
3 研究结论
本文的主要研究目的是基于我国GDP時间序列的规律性，通过建立GDP与我国2001年～2014年我国的原煤平均价格的回归模型，预测我国未来几年的原煤价格的变化规律，得到我国2001～2019年原煤平均价格的走势及变化率，见图4、5所示，结合以上研究结果，本文主要得出以下四点结论。
3.1 原煤价格将平缓上涨
进入 “十三五”，我国国民经济继续保持平稳较快发展，考虑到煤炭价格与名义GDP数据的相关性，本文预测在经济大环境不发生重大变化的前提下，如图4所示，从2015年到2020年我国原煤平均价格将一直保持上涨趋势，且趋势趋于平缓。
3.2 异点解释
3.2.1 由图4、5发现，2007至2008年煤炭价格涨速徒增。除去经济增长的原因，本文推测还有如下两个原因：①2007年是中国资本市场快速发展和扩张的一年。资本市场的快速膨胀加速了一部分热钱流向煤炭市场，煤炭价格因此被抬高。②在2008年北京奥运会的带动下，2007年全国范围内城市基础设施建设掀起一波浪潮，建材、电力、钢铁和化工产品需求增加，导致煤炭需求有较大幅度提升，煤炭价格随之上扬。
3.2.2 由图4、5发现，2014至2015年煤炭价格涨速徒增。本文推测还有如下两个原因：①美国经济复苏势头强劲，同时欧元区与日本延续宽松的货币政策的可能性较大，因此全球煤炭需求将保持稳定增长。同时我国出台了一系列政策，如限制劣质煤的进口，还通过增加进口关税及增加出口配额来缓解煤企困局和产能过剩。②全国各地落实煤矿限产政策，执行状况良好，会有效的遏制盲目产量过大，从而缓解煤炭市场供需不平衡的矛盾。从经济学原理角度看，煤炭价格已降到最低，而供应量得到控制时，其价格势必得到回归。
3.3 煤炭价格变化具有周期性
观测原煤平均价格变化率图发现，煤炭价格变化率具有一定的周期性变动。同我国的五年计划周期相一致，煤炭价格变化率的变动周期也为五年。此外，本文在研究GDP与煤炭价格关系时也发现，当期煤炭价格受五年前我国国民经济情况影响更为显著，这个结果应引起相关政府部门的注意。
3.4 煤炭价格波动趋于平稳
由图5所示，进入“十三五”后，煤炭价格波动较以前趋于稳定。推测其原因有如下三点：①随着煤炭市场信息的及时公开和反馈，市场预判煤炭行情有了更多参考，使得市场供需双方对煤炭价格的预期愈见明晰，从而减弱了煤炭价格的波动。②作为国家能源战略的重要着力点，新能源的发展增加了能源供应的来源，它对煤炭的逐步替代减弱了煤炭供需的波动，未来煤炭价格波动也会随之减弱。③兼并重组后的煤炭企业淘汰落后的产能，提升规模效益和抗风险能力，不断增强企业预判市场变化的能力，这有利于减弱煤炭价格的无序波动。
参考文献：
[1]濮洪九，乌荣康，刘彩英，姜智敏，苏立功，武承厚，张勇，张宏，赵家廉，高家规.煤炭价格形成机制研究[A].中国煤炭经济研究（2005～2008）（上册）[C].2009
[2]赵娅.中国能源效率、能源消费与经济增长关系的实证研究[A].2007年山东大学“海右”博士生学术论坛论文集[C].
[3]朱有富，贺伟奇.中国能源消费与GDP关系的实证分析[J].当代经济（下半月），2007（11）
[4]丁志华.煤炭价格波动对我国实体经济的影响效应研究[D].中国矿业大学，2011
[5]张大维，刘博.Eviews数据统计与分析教程[M].北京：清华大学出版社，2010.
基于美元指数的美豆价格预测模型 篇7
相关系数是变量之间相关程度的指标。样本相关系数用r表示, 相关系数的取值范围为[-1, 1]。其性质如下：
当r>0时，表示两变量正相关，r<0时，两变量为负相关。
当|r|=1时，表示两变量为完全线性相关，即为函数关系。
当r=0时，表示两变量间无线性相关关系。
当0<|r|<1时，表示两变量存在一定程度的线性相关。且|r|越接近1，两变量间线性关系越密切;|r|越接近于0，表示两变量的线性相关越弱。
一般可按三级划分：|r|<0.4为低度线性相关;0.4≤|r|<0.7为显著性相关;0.7≤|r|<1为高度线性相关。
二、美豆与美元指数关系
通过EVIEW和SPSS软件分析最近一千五百多个美豆价格与美元指数样本数据的关系可知二者存在高度相关性，从走势图(图一)上可知二者大致呈剪刀叉形式呈明显负相关关系，通过计算负相关系数为81.2%(见图二)，属于高度相关范围。
鉴于美豆和美元高度相关，我们进一步考虑二者存在的函数关系，以代表美元指数，代表美豆价格具体分析如下。
（一）美豆与美元函数模型一
应用最小二乘法得出回归模型为：
虽然该模型的回归系数和整个回归方程都通过了显著性检验, 但处理结果(图三)显示该回归方程的拟合优度只0.661352, 表明该回归拟合效果并不理想。为此我们从另一个角度对二者进行合，因美豆价格与其前一天价格关联性较大，所以我们把前一天美豆价格引入该模型中。
（二）调整后美豆与美元函数模型二
通过计算得出美豆与美元指数的回归模型如下：
从输出结果(图四)看，线性关系检验的F-statistic=150918.1, Prob (F-statistic) =0.000000在的显著性水平下是显著的，回归系数t-statistic的值及Prob值在的显著性水平下均是显著的，回归方程和回归系数均通过显著性检验，多重共线性问题不存在了，且该回归方程的拟合优度为0.994986，接近1，说明该模型回归拟合效果很好。DW值接近2，说明回归方程不存在自相关问题，从残差图上可以看出残差散图上的点随机分布，并未随美豆价格的变化呈现一定的规律变化，说明该回归方程不存在异方差，从而证明该模型比较理想的。具体图表显示如下(图五)：
四、结论
通过应用回归模型我们求出了美豆和美元指数的函数关系，并对模型进行验证和评价, 当给定美元指数时可以求得对应的美豆价格，为国内油厂采购进口大豆提供了价格预测的线索，具有一定的参考价值。
摘要：通过对美豆和美元指数样本数据的研究发现二者存在高度的相关性, 应用回归分析方法得出二者的内在函数关系, 并进行相关检验以验证模型的可靠性。
关键词：美豆,美元指数,相关性,回归分析
参考文献
[1]中国期货业协会.期货投资分析[M].北京:中国财政经济出版社, 010 (9) :273-280.
预测价格 篇8
2014年,国内粮食产量实现“十一连增”。但是,由于受国内经济增速放缓、整体宏观经济下行的影响,饲料行业产能过剩、制粉行业不温不火,国内对粮食需求不旺。年末,粮价整体保持在较低的水平运行。国内粮食库存数量居高不下,加上国内粮食市场价格普遍高于国际水平及下游加工行业需求疲软等因素的压制,粮食市场运行难以维系,政策对其引导和调控一直是较为重要的因素,所以粮价走势基本上靠国储收购和政策提价这些传统手段支撑着。
近几年来,我国大豆生产整体延续种植面积、产量明显下滑的趋势,加之临储收购量同比增加,我国大豆对外依存度进一步上升。国内大豆市场价格小幅震荡下滑,此后持续上升。随着2014年11月大豆直补政策的推行以及种植户还贷压力,大豆供给力度增加,贸易商谨慎压价收购,而油厂大多偏好进口大豆,国内大豆需求空间有限。及至2015年1月,迫于国际大豆市场压力,大豆价格整体持续弱势下行。
2009年诺贝尔奖得主、美国经济学家保罗·克鲁格曼近日在上海交大讲演时说,全球经济尚未从金融危机中充分复苏,目前,复苏势头之弱仍不容乐观,受金融动荡及乌克兰危机影响,新兴经济体增速继续放缓,仍存在较大通胀压力,同时发达国家物价低位徘徊,全球贸易低速增长。全世界粮食产量持续增长,然而世界经济复苏乏力,粮食需求不会以较大的幅度拉动粮价上升。
美国经济向好,欧洲不断推出量化宽松政策使得美元指数提振走强,美元不断升值,这必将会对新兴市场国家形成一定的冲击。对于我国而言,每年稻谷、大豆需要大量进口,美元强势必会对我国粮食进口形成一定冲击,然而,目前全世界大豆丰产,国际大豆价格处于低位,美元对我国粮食进口的影响不大。
此外,油价的下跌直接拉低了农产品价格,降低农产品的生产和农用机械的生产、运输等成本,带动农产品价格回落。同时,油价低位还会导致燃料酒精、生物柴油等生物能源的生产利润下降,生物能源工业受挫。用于生物燃料的玉米等作物的需求将会下降,这必将对国内相关农产品价格带来不利影响。
基于目前的国内外经济发展实情,我们估计,2015年我国小麦、稻谷价格以稳为主,玉米市场或将呈现回暖迹象,大豆价格或将持续弱势,并宽幅震荡。
从目前小麦市场运行状况来看,小麦市场宽松的供需格局,加之国家政策小麦投放力度加大,今年小麦可能继续维持上年的最低收购价格,前期小麦价格上行空间不会很大。另外,由于最低收购价格托底,小麦价格走低风险也不大。2015年,主要关注小麦下游的面粉和饲料业需求,以及未来天气变化。连续几年的政策提振,小麦价格已处于高位,托市价格止涨或将缓和面粉业偏弱走势;受2014年暖冬天气影响,2015年小麦遭受冻害和干旱的风险加大,天气原因会影响市场主体对小麦的预期,市场也会随着市场主体预期的不断变化而产生波动。
稻谷最低收购价格在新的一年对稻谷市场仍影响较大,托市收购价格提高支撑稻谷价格。稻谷产量持续高位,加之稻米进口量也持续保持高位,消费量相对稳定,稻谷市场供给压力较大。与小麦“麦强面弱”格局类似,米业整体利润空间收窄,需求有限,“稻强米弱”现象持续困扰着稻谷市场。同时,在宏观经济增速放缓以及我国大米进口量同比增长的外生因素影响下,根据目前市场运行状况来看,2015年前期稻谷价格将总体持平或有小幅上涨。
国内玉米市场2014年经历了大涨大跌,眼下在弱势前行,随着临储玉米不断入库以及优质粮源的消化,市场可流通粮源将逐渐减少,玉米价格将小幅回升,临储拍卖将继续稳定玉米价格。预计今年玉米价格在下游需求整体疲弱的诸多因素影响下还将会呈现出季节性、政策性涨跌,但在供需整体宽松格局的背景下,玉米价格或难回去年的最高水平。
连续几年来,我国大豆的进口量与产量一增一减,在世界大豆市场中基本上是充当需求者。我国大豆行情受国际影响越来越大,同时也成为影响国际大豆市场的一个越来越重要的因素。基于目前世界大豆熊市难改,国内大豆价格不断震荡走低,大豆市场格局持续供大于求,加之2014年全球大豆产量首次突破3亿大关,全球大豆库存数量高企,大豆价格将继续受到压制。
基于神经网络的股票价格预测模型 篇9
股票市场是一个复杂的非线性动力学系统, 有显著的非线性、时变性特征, 致使对股市指数和股票价格的预测成为一大难题[1]。在传统的股票市场预测建模研究中, 多元回归分析、时间序列分析、指数平滑等是最常见的方法[2,3]。
近年来, 众多学者利用神经网络对股票价格进行了大量的预测研究。文献[4]利用不同的神经网络算法产生神经网络集成个体, 用遗传算法动态求解集成个体的非负权重系数, 进行最优组合集成建模。相对传统的简单平均集成模型, 具有预测精度高、稳定性好, 易于操作的特点。文献[5]提出了一种基于RBF神经网络的股票市场预测模型。文献[6]提出了一种基于主成分的遗传神经网络股票指数预测模型, 特点有两个:1) 利用主成份方法选取输入变量;2) 利用遗传算法优化神经网络参数。吴华星对基于神经网络的股票价格预测方法进行了研究[7], 他分析了传统的BP算法, 通过引入调节参数ρ解决了要同时调整算法中学习速率η和动量参数α的问题。从基于神经网络的股票预测模型的研究成果来看, 关注点主要集中在:1) 对输入数据的处理上;2) 对神经网络的参数学习上;3) 对神经网络的集成方法上。
本文提出了一种基于BP神经网络的股票预测模型 (SPMM) 。SPMM的优点及特点为:1) 网络结构简单, 易于实现。2) 给出了一种基于窗口技术的样本生成方法。3) 基于前N天的任意单一指标的运行数据, 可以预测未来M天的趋势。4) 该模型融合了多个神经网络的预测结果, 模型的学习能力强, 预测精度高。系列实验结果表明, 该模型效果良好。
1 BP神经网络
BP算法用来训练多层前馈神经网络 (采用BP学习算法的前馈型网络被称为BP神经网络) , 属于有导师的学习算法。BP网络具有结构清晰, 易实现、计算功能强大、性能优越等特点, 因而被广泛应用于模式识别、文本分类等多个领域[8]。BP神经网络采用的是并行网络结构, 包括输入层、隐含层和输出层。BP网络已被证明具有强大的非线性映射能力和泛化功能, 多层网络能逼近任意非线性函数[9]。
图1显示了一个三层结构的前馈神经网络, 其中, 输入层和输出层各有2个节点;隐藏层具有3个节点。隐藏层和输出层的每一个节点为一个sigmoid单元, 它基于一个平滑的可微阈值函数。每一个sigmoid单元按下式计算它的输出:其中为该节点的输入向量, 为它的权向量。σ经常被称为sigmoid函数或者也可以称为logistic函数。
隐藏层节点的输入来自于输入层, 当每一个输入层节点到各隐藏层节点上的权重确定后, 隐藏层节点的输出则是确定的。隐藏层的输出作为输出层的输入, 同理, 当每一个隐藏层节点到各输出层节点的权重确定后, 则输出层节点的输出值也是确定的。可见, 权向量的学习是关键。
权重的学习问题实质是一个搜索问题, 即需要在空间中找到一个合理的, 使相应的网络在训练样本上的误差最小。形式化表示为, 找到, 使下式最小。
其中, D是训练样本集合;d是一个训练样本;outputs是网络输出单元的集合;tkd是d的期望输出向量中第k维的值;okd是神经网络对d的输出向量中第k维的值。
显然, 遗传算法、粒子群算法等均可以用于寻找→w的近似最优解。本文使用基于随机梯度下降的BP算法[2]搜索→w。
2股票价格预测模型的建立
2.1预测模型
本文设计的股票价格预测模型 (SPPM) 如图2所示。该模型分为两个阶段:训练阶段及使用阶段。训练阶段指基于训练样本集, 学习神经网络权重的过程。预测阶段指的是使用前一阶段学习到的神经网络, 对股价进行预测的过程。为提高SP-PM的泛化能力, 强化该模型应用于股票价格预测的实效, 采用了神经网络集成技术。神经网络集成被证明是一种非常有效的方法, 即使仅仅是对一组网络进行简单的投票或平均, 也可提高学习系统的处理能力[10]。本文对神经网络的集成, 体现在两个方面:个体生成方面和结果融合方面。接下去, 对这一模型进行详细介绍。
2.2数据预处理
假设t1, t2, …, tn (n≥2) 是一个连续的时间序列, 在时刻ti上, 可以获得一只股票的任意属性 (如:开盘价、最高价、最低价、收盘价、成交量、成交金额等) 的值。对于某一属性 (以下不妨设为收盘价) 在时间序列t1, t2, …, tn上获取的数据序列, 不妨设该数据序列为:x1, x2, …, xn。
首先对该数据序列中的每一维进行归一化处理:
其中, 1≤i≤n, max和min分别表示x1, x2, …, xn的最大值和最小值。
其次, 按式 (3) 构造n-N-M+1个样本, 其中, N和M表示用前N (N≥1) 天的收盘价预测未来M (M≥1) 天的收盘价;n>N+M≥2。
所得到的样本集用D表示, 显然, |D|为n-N-M+1。D中第i (1≤i≤n-N-M+1) 个样本, 表示为
2.3网络结构的确立
Hornik等早已证明:若输入层和输出层采用线性转换函数、隐藏层采用sigmoid转换函数, 则含一个隐藏层的多层神经网络能够以任意精度逼近任何有理函数[8]。因此, 本文使用的前馈网络具有三层结构:输入层、隐藏层和输出层。该网络输入层的节点数由输入向量的维数决定, 由于输入向量的维数是N, 故输入层节点数确定为N个。输出层节点数由输出向量的维数大, 而且是训练时出现“过拟合”的直接原因。然而, 遗憾的是, 目前理论上还没有一种科学的和普遍的确定方法。为尽可能避免训练时出现“过拟合”现象, 保证足够高的网络性能和泛化能力, 确定隐藏层节点数的最基本原则是:在满足精度要求的前提下取尽可能紧凑的结构, 即取尽可能少的隐藏层节点数。在确定隐藏层节点数时必须满足下列条件:1) 隐藏层节点数必须小于|D|-1;2) 训练样本数必须多于网络模型的连接权数, 一般为2~10倍。
不妨设隐藏层节点个数为h, 连接权数则为:N×h+M×h。第2个条件可表示为:得从而, 上述两个条件则可表示为:
综上, 本文采用的是:N-h-M的神经网络, 隐藏层节点为sigmod单元, 输出层节点为线性单元。
2.4预测融合
k个数据集可以训练得到k个神经网络。假设对于一样未知样本
一种最简单的方法就是取各输出的均值, 如下式:
其中, Y的大小为M, 每一维代表对未来某一天的预测值。
在许多情况下, 我们并不需要知道未来的具体预测值, 而仅需要知道未来是涨还是跌。此时, 仅需要观察Y中, 当前这一天相比于前一天的值即可获知。
3实验设计与结果
本文实验的硬件环境为:CPU为Intel Core 2 Duo Processor T5500;内存为1G。编程环境为:Matlab 7.1。实验数据取自“同花顺”, 总共取了五个时间段 (即k=5) 的收盘价数据, 如表1所示。由于篇幅关系, 本文仅讨论N=10, M=2的情况, 即根据前10天的数据预测未来2天的走势。值得说明的是:表1中的交易天数, 对于不同的股票来说, 可能略有不同 (比如:有的股票可能会有停盘现象) 。在同一时间段内, 表1中的n、n-N-M+1及h的值对于不同的股票可能略有差别。
表1中的五个数据集, 分别训练五个神经网络, 神经网络权重学习的迭代次数为800, 隐藏层节点的转换函数取tansig, 输出层节点的转换函数取purelin, 其他参数取newff函数的默认值。这五个神经网络分别记作:NN1、NN2、NN3、NN4及NN5。表2是SPPM对上证指数的预测结果, 预测的指标值为:收盘价。值得指出的是, 每一个神经网络的训练和预测都独立运行10次, 神经网络对某一天收盘价的预测均取这10次独立实验的均值。比如:NN1被独立训练了10次, 每一个独立训练后, NN1都将对2012-03-19上证指数的收盘价得出一个预测值, 这10次预测的平均值为2 335.8。这样做的好处是:从一定程度上有效避免了随机的乐观或悲观。本文所有的实验数据都是10次独立实验的平均值。
表2中, SPPM预测2012-03-19日上证指数的收盘价为2 374.64, 相比于前一交易日 (2012-03-16) 的实际收盘价 (即2 404.74) 而言, 预测趋势为下跌。这与当天的真实运行结果有所背离。
表2中, SPPM预测2012-03-20日上证指数的收盘价为2 373.84, 相比于前一交易日 (2012-03-19) 的实际收盘价 (即2 374.64) 而言, SPPM预测趋势为下跌。这与当天的真实运行结果完全符合, 且预测值与实际收盘价非常接近。
总体上看, SPPM预测未来两天相对于当前日期 (即2012-03-16) 而言, 将处于下行趋势, 这与真实的运行情况是相符合的。
为了进一步验证SPPM的性能, 我们还对贵州茅台2012-03-19及2012-03-20的收盘价进行了预测。表3给出了SP-PM对贵州茅台的预测结果。2012-03-16日, 贵州茅台的实际收盘价为207.59, 2012-03-19及2012-03-20日, 贵州茅台分别有小幅上涨。SPPM预测2012-03-19及2012-03-20日的收盘价分别为207.16和207.22, 这与实际观测值非常接近。
图4分别给出了SPPM在上证指数和贵州茅台D1数据集上的预测结果与实际结果的对比曲线。总体上来看, SPPM对上证指数的拟合情况要好于贵州茅台。可能的原因在于:相比于个股而言, 上证指数受少数机构操控的可能性较小, 即上证指数更反映了市场的整体规律。这也就是说, 上证指数的运行规律性更容易被SPPM捕捉和学习到。而由于炒作的原因, 个股的规律即使被捕捉到了, 预测的值也可能与实际的值有差距。越是拟合效果差的股票, 越反映出其市场规律性的成份少, SP-PM则越难预测准确。
4结语
本文提出了一种股票价格预测模型SPPM, 它可以预测未来若干天的股票价格。由于集成了多个神经网络, 所预测的价格具有较高程度的准确性。实验结果证明了这一点。未来的工作包括:1) 研究N与M对预测准确性的关系;2) 研究样本数与预测准确性的关系等。
尽管本文的实验数据并不十分丰富, 却提出了一种股价预测的研究思路, 从而使本文具有一定的实际参考价值。
参考文献
[1]吴建生.最小一乘回归神经网络集成方法股市建模研究[J].计算工程与设计, 2007, 28 (23) :5812-5815, 5818.
[2]唐娜.基于灰色理论和神经网络理论的股票指数预测研究[D].武汉理工大学, 2007.
[3]陈政, 杨天奇.基于RBF神经网络的股票市场预测[J].计算机应用与软件, 2010, 27 (6) :108-110.
[4]潘晓明, 吴建生.基于遗传算法神经网络集成股票市场预测研究[J].广西师范学院学报:自然科学版, 2007, 24 (1) :77-84.
[5]刘磊.基于遗传神经网络的指数跟踪优化方法[J].系统工程理论与实践, 2010, 30 (1) :22-29.
[6]智晶, 张冬梅, 姜鹏飞.基于主成分的遗传神经网络股票指数预测研究[J].计算机工程与应用, 2009, 45 (26) :210-212.
[7]吴华星.基于神经网络的股票价格预测[D].中国科学院研究生院:计算机技术研究所, 1998.
[8]Mitchell T M.机器学习[M].曾华军, 译.北京:机械工业出版社, 2009.
[9]杨行峻.人工神经网络与盲信号处理[M].北京:清华大学出版社, 2003.
预测价格 篇10
黄金 (G old) 是化学中的金属单质, 化学符号A u, 金融上的英文代码是X A U U SD或者是G O LD。它的名称来自罗马的一个神话故事, 意指闪耀的黎明。黄金质软、呈金黄色黄色或亮黄色, 沸点为2808摄氏度, 熔点为1064.43摄氏度, 具有很强的抗腐蚀性。黄金是人们最早知道的金属元素之一, 作为一种贵重金属, 长久以来都被世人所青睐。黄金价格是按重量计算, 国际上一般以盎司作为黄金的度量单位, 而我国古代则是以两作为黄金的度量单位。黄金的用途比较广泛, 黄金不仅可以用于储备和投资的特殊通货, 还是电子业、现代通讯、首饰业、航天航空材料。中国一直都是世界上黄金产量最多的国家之一, 然而在19世纪以前, 黄金的生产力水平及其低下, 直到19世纪, 黄金资源才得到了大量的开发和利用, 产量也得到了大幅度的提高。
《资本论》上说:“货币天然不是金银, 但金银天然是货币。”因为黄金的特殊性, 使得黄金不仅具有商品属性, 而且还具有货币的职能。无论何时黄金都不会失去其作为贵金属的价值, 不会轻易因为各种经济、政治因素而贬值, 所以黄金一直以来都作为一种保值产品, 世界各国也用黄金作为流通货币。不仅如此, 因为黄金特殊的物理属性, 黄金的应用很广泛, 在珠宝装饰、工业科学技术方面对黄金的需求量都很大。
其实在上世纪70年代以前, 黄金在民间是不能买卖的, 黄金的价格也一般是由各国政府或中央银行决定, 黄金价格比较稳定。因为哈雷顿森林体系规定, 只有美元可以兑换黄金, 而其他国家的货币只能兑换美元, 不能直接兑换黄金, 那时候美元也叫美金。但在1971年, 布雷顿森林体系结束了, 金本位在世界上也结束了, 之后就进入信用货币时代。随着黄金价格的市场化, 黄金价格就受到了很多因素的影响, 例如, 黄金存量, 供求量, 开采成本, 美元汇率, 通货膨胀, 货币政策, 石油价格, 外汇储备等。
2007年, 美国的次贷危机最终衍变成了一场波及全球范围内的金融危机, 货币迅速贬值, 各国经济增速放缓, 有的国家甚至出现经济倒退。这时一部分人纷纷选择黄金等贵重金属来规避风险, 这使得黄金的价格节节攀升。美国政府还规定了纸币和黄金的固定兑换率, 在货币体制中引入了金复本位制, 在同时期, 好几个国家也实行了这个制度。
直到今天, 黄金仍然是世界通行的货币, 黄金是财富和地位的象征, 它的货币地位比美元还要稳固, 并且黄金不存在折旧, 它还是全世界都认可的资产, 每个国家的人们都对它有共识。全世界的黄金市场最主要分布在亚洲、欧洲和北美洲三个地方, 其中纽约黄金市场是全球最大的黄金期货市场, 全世界的黄金市场已经形成一个连续不断整体, 其中一个市场汇率的波动会迅速影响到其他市场, 每个市场间是紧密相联系的。黄金投资市场类似于股票投资市场, 也是一种理财方式, 黄金投资是全球最常用的投资保值和双向交易的产品。黄金虽然是一种理想的投资手段, 但2013年, 在股市和房产低迷的情况下, 中国大妈大肆抢购黄金却被套牢。其实黄金与其他投资产品一样, 有时涨有时跌。
作为投资和避险工具, 国际经济环境的不稳定, 将会直接对黄金价格的波动产生影响, 黄金价格涨跌的研究逐渐引起人们的注意, 近十年来, 黄金的价格波动特别大, 关于影响黄金价格的因素的研究显得愈加重要。投资者如何投资黄金和分析影响黄金价格变动的因素并预测黄金价格的变动趋势成为社会的热点。
二、文献综述
国内外很多学者研究都表明:黄金的价格与很多因素有关, 原油价格、供求关系、居民消费指数、通货膨胀等都会影响黄金价格的涨跌。张莹、胥莉、陈宏民 (2007年) 在《石油与黄金产业价格联动关系研究》[2]一文中指出:石油价格的上涨会导致黄金价格的上涨, 且这种单向关系不会随时间的变化而发生结构的变化。董益盈 (2008年) 在《货币流动性对黄金价格影响的实证研究》[3]一文中指出:黄金价格主要受到货币的流动性因素、利率因素和汇率因素的影响, 且货币流动性的变化通过影响黄金的供求关系直接决定了黄金价格的走势。
Sm ith (2001年) [4]的实证分析中得出结论:黄金价格走势和主要工业国家的股票价格指数变动负相关。C apie、M ills and W ood (2004年) 的实证分析中得出结论:黄金的价格与国际主要货币的汇率之间存在着反向变动的关系。H arm ston (1998年) 对美国、德国、日本、法国和英国的消费者价格指数 (C PI) 、批发价格指数 (W PI) 与黄金的价格指数进行了对比研究, 其研究结果表明:从长期来看黄金保持了对消费品和中间产品的实际购买能力, 从而保持了黄金的价值, 在战争等政局动荡时期, 黄金的流动性、可携带性会比它与商品的交换率更重要。
三、数据与模型设定
(一) 数据来源
本文关于影响黄金价格因素和黄金价格的数据是来源于各大网站, 如:黄金协会网站[http://w w w.cngold.org]、东方财富网[http://w w w.eastm oney.com]、中国统计年鉴[http://w w w.stats.gov.cn/tjsj/ndsj]等。在1970年以前, 黄金在民间也是不能买卖的, 布雷顿森林体系规定, 那时只有美元可以兑换黄金, 而其他国家的货币只能兑换美元无权兑换黄金, 在1971年以后布雷顿森林体系结束, 黄金才允许进行买卖, 所以数据的时间是从1971年到2014年, 数据比较新而且时间跨度比较大, 能够更加客观、全面的反应所研究的问题。
(二) 模型设定
黄金价格是一个变量, 其增减与黄金产量和储备量的多少有着很大的相关性。而且国际石油价格、G D P, 甚至是美元的汇率都与黄金的价格息息相关。据此, 我将“黄金价格”设为被解释变量, 将“黄金产量”、“国际石油价格”、“美元的汇率”、“黄金储备”以及“G D P”设为解释变量, 设定了以下经济学模型:
(三) 符号说明
Y:黄金价格 (美元/盎司)
X1:黄金产量 (万盎司)
X2:石油价格 (美分/加仑)
X3:美元汇率
X4:黄金储备 (万盎司)
X5:G D P (亿美元)
四、建模过程
(一) 趋势图
1. 时序图。
由图1可以看出, 从1971年到2014年以来, 黄金价格的波动较大。
2. 趋势图
由图2可以看出由于G D P的影响很难看出黄金价格与其他因素的趋势, 所以先去除G D P因素画出黄金价格与黄金产量、国际石油价格、美元汇率、黄金储备量的趋势。
由图3可以看出黄金价格与黄金产量、石油价格与黄金储备的趋势大致相仿, 与美元汇率相关度不大, 再但它与这几个因素之间到底有什么关系还需要通过计量经济模型进一步分析才可得出。
(二) 最小二乘估计
利用Eview s对模型进行最小二乘估计, 运行结果如下:
由图4可以看出该模型为:
X3和常数项的p值大于0.05, 其余变量的p值都小于0.05。总的来说方程是显著的。
五、模型的检验
(一) 计量经济意义的检验
1. 多重共线性的检验。
判断模型是否存在多重共线性只需要求出变量之间的简单相关系数矩阵。通过Eview s得出的结果如下:
由图5的简单相关系数矩阵可以看出解释变量之间大部分的相关系数都非常高, 说明解释变量之间确实存在多重共线性。
利用逐步回归的方法可以消除解释变量之间的多重共线性。通过Eview s进行逐步回归可以得出如下结果:
由图6可以看出, 通过逐步回归剔除了X3和常数项, 消除了解释变量间的多重共线性后可得到模型为:
2. 异方差检验。
怀特 (W hite) 检验是异方差一般的检验方法, 通过Eview s得出的结果如下:
从检验结果中可以看出, obs*R-squared的值为15.56, 所以T R2<χ20.05 (10) =18.307, 所以, 该回归模型中不存在异方差。
3. 自相关性检验。
设原假设H0:ρ=0 (误差项ut不存在自回归)
备择假设H1:ρ≠0 (误差项ut存在自回归)
利用Eview s做LM检验可以得到以下结果:
由图8可以看出D W=1.901709接近2, 说明误差项存在某种程度的正自相关, 而且接受原假设的概率为0 (拒绝原假设) , R2=0.411649, 通过查表可以得到χ20.05=5.99, LM=T R2=44×0.41=18.04>5.99, 所以说明模型的误差项存在二阶自相关。
消除自相关可以通过在模型中加入A R模型的方法消除自相关, 利用Eview s可以得到以下结果:
如图9可以看出加入A R模型后R2=0.963067 2=0.957938D W=1.850978所有解释变量的p值都小于0.05, 所以方程显著, 解释变量都通过了检验。再对这个模型进行LM检验, 验证是否已经消除了自相关性。通过Eview s可以得到以下结果:
通过图10可以看出加入了A R模型后接受原假设的概率为0.58, 接受原假设, 所以误差项已不存在自相关性。
(二) 统计意义检验
1. 拟合优度。
通过回归模型的拟合效果图可以看出, 拟合曲线与实际曲线大部分重合, 拟合效果较好。而且在上述模型中, 也可以说明模型的拟合优度良好。
2. 显著性检验。
设原假设:H0:β1=β2=β4=β5=0
被择假设:H1:β1、β2、β4、β5至少有一个不为0
当显著性水平为0.05时, 各变量中X1、X2、X4、X5的P值均小于0.05, 拒绝原假设, 通过了t检验。
整个模型的Prob (F-statistic) =0.000000, 小于0.05, 所以模型通过了F检验, 模型显著。
(三) 经济意义检验
通过回归模型我们可以看出只有不显著, X1、X2、X4、X5都显著。所以可以得出以下结论:在其他条件不变的情况下, 黄金价格与黄金产量呈负相关, 即:黄金产量越大黄金价格就越低, 黄金产量每增加一个百分点, 黄金价格就会减少0.465个百分点;黄金价格与石油价格呈正相关, 即:黄金价格会随石油价格的增长而增长, 石油价格每上升一个百分点, 黄金价格就会上升1.842个百分点;黄金价格与黄金储备量呈正相关, 即:黄金价格会随黄金储备量的增长而增长, 黄金储备量每增加一个百分点, 黄金价格就会增加0.148个百分点;黄金价格与G D P也呈正相关, 即:黄金价格会随着G D P的增长而增长, G D P每增加一个百分点, 黄金价格就会增加0.0107个百分点。石油价格对黄金价格有着决定性的影响。
该拟合模型的理论意义还是符合实际的, 所以说是通过了经济意义检验。总的来说, 拟合效果还是可观的。
六、未来走势预测
根据查询可以知道2015年黄金产量为1587.515万盎司, 石油价格为129.523美分/加仑, 黄金储备量为5331万盎司, G D P为103856.60亿美元。现根据模型对2015年的黄金价格作出预测。
通过模型可以得到2015年黄金价格的预测值为1399.595美元/盎司。
七、政策建议
构建关于影响黄金价格因素的核算体系已经成为了未来关于影响黄金价格调查的趋势。为此, 我们在前人研究的基础上, 尝试自己的新思路对关于影响黄金价格进行建模, 可以根据新模型对未来黄金价格涨跌趋势的分析, 虽然不能精确地预测未来黄金价格的趋势, 但是对分析未来黄金价格的波动提供了一定的帮助。在以后的研究中, 应该综合考虑所有可能影响到黄金价格的因素, 才能得到更加合理可信的结果, 所以, 需要加入更多的影响因素, 建立多种模型进行比较, 选取拟合精度更高的模型对黄金价格进行预测, 从而更好地规避价格波动所带来的风险, 达到保值或收益的目的。
中国的黄金市场开放的比较晚, 发展也不够完善, 所以, 中国的黄金市场应该加大开放的力度, 推出更多黄金投资产品, 在拉动内需的同时也为投资者增加更多投资的渠道, 更好地实现黄金投资产品在金融市场中应发挥的重要作用, 也更好的推动中国投资市场的蓬勃发展。
参考文献
[1]张晓峒.计量经济学基础[M].天津:南开大学出版社, 2014.
[2]张莹, 胥莉, 陈宏民.石油与黄金产业价格联动关系研究[J].财经问题研究, 2007 (7) :35-39.
[3]董益盈.货币流动性对黄金价格影响的实证研究[J].世界经济情况, 2008年12期.
[4]Graham Smith, The Price of Gold and Stock Price Indices for the United States, The World Gold Council, 2001.
[5]李彦菲.黄金价格影响因素的实证分析[J].现代商业, 2013 (24) .
[6]孙毅.黄金价格变动因素及未来走势分析[J].大连海事大学学报, 2011.12 (6) .
[7]张可.黄金价格波动的影响因素探析[J].企业导报, 2012.12 (6) :34-35.
[8]梁维全.黄金价格波动的影响因素的实证研究[J].中国证券期货, 2009 (5) :48-51.
预测价格 篇11
关键词：化肥价格；时间序列；波动周期；预测
中图分类号：S153 文献标志码：A 文章编号：1008-2697（2015）04-0009-05
一、引言
化肥的使用对我国的农业生产起到了巨大的推动作用，作为重要的农业物资，化肥价格的波动也对农民的生产起到了巨大的影响。近年来，国内化肥产业出现了多种问题，如2008年化肥价格的剧烈波动，如2013年以后的化肥产能过剩，都给化肥产业从业人员带来了极大的困扰。广东是农业大省，化肥消耗量巨大，如何辨析广东化肥价格的波动规律，并进行成功预测，成为相关从业者迫切需要解决的问题。
目前，国内对化肥市场及价格变化研究较少，仅栾江等[1]对我国化肥施用量持续增长的原因分解及趋势进行了预测；张文雄等[2]对我国化肥价格波动趋势及影响因素的实证研究，研究发现，化肥价格的上涨源于“需求拉动”和“成本推动”；巩前文等[3]对大宗能源价格波动对国内化肥价格的影响进行了分析，发现大宗能源价格与氮肥、磷肥、钾肥价格高度相关；黄信诚等[4]对2008年化肥价格上涨的原因进行了分析，并提出了应对措施；张卫峰等[5]对我国化肥资源供需矛盾及调控策略进行了研究；李干琼等[6-10]采用数学模型对化肥需求价格、化肥需求弹性等进行了研究。但广东的化肥市场、价格研究较少，仅广东省价格检测中心化肥价格调查组[11]于2009年对广东化肥市场的现状进行了分析，陈杏梅等[12]对广东春耕化肥供需情况进行了分析，任园园等[13]对广东省农业生产-化肥施用宏观动态分析。广东化肥市场研究多从定性角度出发，定量角度研究较少。因此，本文在总结广东化肥价格波动特征的基础上，利用CensusX12季节调整方法和和Holt-Winters模型对2015年7月-2016年6月的广东化肥价格走势进行了预测，以期对广东相关从业者提供参考。
二、样本概况与研究方法
（一）样本概况
本研究样本为2006年1月-2015年6月的广东省肥料市场数据，化肥品种为当前广东主要品种，分别为尿素、碳酸氢铵、过磷酸钙、低浓度国产复混肥、高浓度国产复混肥、进口复合肥和钾肥，以每月的肥料价格为主、销量为辅，数据来源为广东省土壤肥料总站。
（二）研究方法
本文重点采用Eviews软件通过CensusX12季节调整方法对广东化肥价格变化的长期趋势进行判断分析，并采用Holt-Winters指数平滑预测模型进行预测、分析，对加法模型和乘法模型的数据预测模型进行比较，确定最佳的预测模型。在预测结果的基础上，辅以广东省种植业特征及国内外环境，对结果进行分析。
三、分析結果
（一）广东化肥零售价格波动长期趋势
采用EVIEWS6.0软件，通过CensusX12季节调整方法对广东化肥零售价进行季节调整，得到零售价格波动长期趋势。从图1可以看出，广东化肥零售价格除2008年左右因受中外钾肥谈判因素影响外，广东化肥零售价总体呈现平滑增长规律，碳酸氢铵和过磷酸钙趋势曲线较为平缓，尿素、低浓度国产复混肥、高浓度国产复混肥、进口复合肥和钾肥波动较大，但2011年后波动放缓。其中，进口复合肥、低浓度国产复混肥、高浓度国产复混肥、钾肥在2008年价格波动较大，碳酸氢铵与过磷酸钙波动较小。从总体上看，广东化肥零售价格的趋势变动是非线性的。
图1 2006年1月-2015年6月广东化肥零售价格长期趋势
（二）季节波动规律
广东化肥价格的波动主要受三个方面影响，分别是国内外大环境、供求与季节因素，其中季节因素与广东省本省种植业特征息息相关。在国内外大环境与供求关系没有大的变动情况下，1月份是广东用肥淡季，肥料销量不多，肥料价格升跌空间不大，价格较为平稳；2月份一般进入春耕期，农民开始购肥备耕，价格由于需求关系拉动有所上升；3月份进入春耕用肥高峰期，肥料销量和价格上升；4月份肥料销量减少，价格升跌各异，主要受品种需求影响；5月份肥料出现销量减少，价格波动不大，主要原因是春耕用肥高峰期已过， 肥料主要用于追肥，尿素、碳酸氢铵、过磷酸钙等品种用量大减，肥料销量下降；6月份是用肥淡季，主要用于追肥，但尿素价格受北方用肥影响一般会略有上升；7月开始夏种，肥料销量和价格一般略有增加；8月份夏种用肥和晚造追肥，肥料价格一般表现为增加态势；9月份一般表现为价格波动，主要原因是双夏用肥高峰期已过，肥料销量明显减少；10月份秋收将至，作物施肥量减少，价格逐步下调；11-12月份冬种农作物施肥量不多，肥料销量下降。化肥淡季储备启动。
（三）国内外环境影响波动因素
广东化肥价格受国内外影响较大，分别包括国外环境、国内政策环境、国内自然灾害环境等。在国外环境影响方面，主要是以钾肥、复合肥为主，如2007-2008年受国际价格坚挺和海运费用上涨而导致持续上扬，屡创新高，尤其以2008年4月钾肥进口谈判和2008年12月的金融危机影响为标志。国内政策环境包括很多方面，如2007年11月份的15%出口关税政策启动影响导致尿素出口大增，进而导致价格持续上涨，如2009年国家拉动内需的宏观调控政策导致磷肥价格激增等。国内自然灾害环境影响2008年5月汶川地震导致肥料运输车皮紧张，调运困难，进而导致尿素、磷肥和复混肥料价格上升。
nlc202309040450
（四）供求关系影响
从宏观市场因素来看，我国化肥价格波动主要受供求关系影响。以钾肥为例，我国钾肥资源紧缺，分布不均，土壤相对缺钾。2014年1-9月份钾肥产量420万吨，进口340万吨，因此我国钾肥价格长期受进口价格影响，进而导致低浓度复混肥、高浓度复混肥及进口复合肥价格波动明显。尿素、碳酸氢铵、过磷酸钙等则受整体供应过剩影响，近年来价格持续走低。
（五）广东化肥零售价格预测
采用Holt-Winters指数平滑预测模型对2006年1月-2016年6月的广东省化肥价格进行预测、分析，比较加法模型和乘法模型数据结果，根据误差大小最终确定采用Holt-Winters-Additive方法，预测结果见如表1、图2-图7（为考虑篇幅，2006年1月-2014年12月实际值和预测值未列入表1中）。
表1 2015年1月-2016年6月广东化肥价格的实际值与预测值（元/吨）
日期尿素碳酸氢铵过磷酸钙低浓度国产复混肥高浓度国产复混肥进口复合肥钾肥
实际值预测值实际值预测值实际值预测值实际值预测值实际值预测值实际值预测值实际值预测值
2015-12070.00 2048.97 850.00 863.55 740.00 757.17 2225.00 2176.43 3400.00 3383.07 4490.00 4536.69 3270.00 3285.72
2015-22075.00 2057.71 855.00 852.73 740.00 738.79 2165.00 2253.41 3335.00 3362.37 4500.00 4426.37 3285.00 3239.83
2015-32120.00 2094.01 860.00 850.98 755.00 735.85 2145.00 2142.28 3415.00 3349.96 4560.00 4479.31 3270.00 3288.40
2015-42135.00 2153.42 860.00 865.00 760.00 770.77 2140.00 2129.82 3440.00 3386.86 4570.00 4549.56 3260.00 3262.65
2015-52210.00 2170.14 865.00 866.23 750.00 772.09 2140.00 2162.79 3430.00 3492.57 4565.00 4637.24 3265.00 3295.33
2015-62205.00 2236.27 865.00 868.55 750.00 746.40 2175.00 2118.00 3485.00 3430.83 4565.00 4598.65 3260.00 3272.82
2015-7 2213.11 867.73 742.56 2192.26 3455.25 4514.33 3222.98
2015-8 2241.97 863.70 731.32 2182.26 3485.60 4521.84 3203.27
2015-9 2269.39 868.70 726.61 2179.06 3480.49 4521.12 3179.43
2015-10 2309.77 874.93 725.76 2211.08 3543.12 4568.58 3199.23
2015-11 2316.97 878.48 724.68 2204.48 3540.74 4564.45 3202.43
2015-12 2325.07 881.20 717.23 2221.73 3522.91 4500.32 3165.41
2016-1 2353.94 877.18 706.00 2211.73 3553.26 4507.82 3145.70
2016-2 2381.36 882.18 701.28 2208.53 3548.16 4507.10 3121.87
2016-3 2421.74 888.41 700.43 2240.56 3610.78 4554.56 3141.66
2016-4 2428.94 891.95 699.35 2233.95 3608.40 4550.43 3144.87
2015-5 2437.04 894.68 691.91 2251.21 3590.57 4486.30 3107.85
2016-6 2465.91 890.66 680.67 2241.21 3620.92 4493.80 3088.14
圖2 2006年1月-2016年6月广东尿素价格实际值、预测值拟合结果
图3 2006年1月-2016年6月广东碳酸氢铵价格实际值、预测值拟合结果
图4 2006年1月-2016年6月广东过磷酸钙价格实际值、预测值拟合结果
图5 2006年1月-2016年6月广东低浓度国产复混肥价格实际值、预测值拟合结果
图6 2006年1月-2016年6月广东高浓度国产复混肥价格实际值、预测值拟合结果
图7 2006年1月-2016年6月广东进口复合肥价格实际值、预测值拟合结果
图8 2006年1月-2016年6月广东钾肥价格实际值、预测值拟合结果
（六）预测结果分析
根据预测结果，2015年7月-2016年6月，广东化肥价格继续呈现出以季节性波动为主的特征，如低浓度国产复混肥、高浓度国产复混肥、进口复合肥、钾肥等，均呈现出1月份较低、2-3月份上涨、4-6月份降低、7-9月份在高位波动、10-12月份在低位波动的特征；碳酸氢铵受产能影响，价格变化不大；过磷酸钙以消化过剩产能为主，2014年1-9月份磷肥供应量为1514万吨，而用量约为714万吨，故而导致磷肥价格持续下降。预测结果显示，尿素价格将呈现持续递增的态势，与当前尿素产业环境比较吻合，首先是2015年尿素出口关税实行全年统一80元/吨的政策，出口政策的进一步放松，将导致出口量激增。此外，受天然气成本上涨的影响，西南尿素行业面临重新整合，进一步降低了全年尿素产量。同时，后期化肥原料相关优惠政策的取消，会导致相应的尿素成本增加，进而导致尿素价格上涨。
nlc202309040450
四、研究结论与对策建议
（一）研究结论
研究结果发现，广东化肥价格与季节具有明显的相关性，在没有大的政策变动和国外环境影响下，具体表现为1月份价格较低、2-3月份上涨、4-6月份降低、7-9月份在高位波动、10-12月份在低位波动。同时，研究表明，Holt-Winters模型适用于广东化肥价格预测，同时发现2015年7月-2016年6月，广东低浓度国产复混肥、高浓度国产复混肥、进口复合肥、钾肥等价格继续呈现出以季节性波动为主的特征，过磷酸钙以消化过剩产能为主、价格持续下降，尿素价格将呈现持续递增的态势。
（二）对策建议
1.鼓励相关从业者重视化肥淡储旺供工作。广东化肥价格与季节具有明显的相关性，在春耕、夏耕用肥高峰期，政府、企业、合作社要有计划地控制化肥的流向，保障肥料需求，用肥淡季有意识地进行储存。在这方面，重庆市开县进行了有益的尝试。重庆市开县由财政每年定额安排资金100万元，建立长效机制，贴息补助化肥淡季储备2万吨，确保旺季投放市场，保障供应，平抑价格。在全县设立储备点近20个，每个储备点凭委托储备计划，向县农村商业银行申请化肥储备专项贷款。县财政凭银行发放的专项贷款额度，经与农业主管部门和工商部门严格核实后，据实兑现贴息补贴。
2.进一步完善化肥预警机制。目前，广东省在化肥市场价格监测方面进行了大量的工作，主要包括化肥品种、化肥产量、化肥销量、原材料价格、化肥出厂价、化肥零售价等，并形成了较为及时的预警信息。但是，目前预警机制尚不健全，仅有广东省土壤肥料信息网和《南方农村报》定期发布，其他预警发布渠道较少，且很难传达到农民手中，应加强与其他部门的沟通与合作，通过电视、报纸、等各种途径，全面客观地引导相关从业人员，包括生产者、经营者，特别是广大农民根据预警信息合理地安排生产、消费。
3.鼓励改进施肥模式。长期以来，我国出台了一系列化肥产业支持政策，如“优惠+限价+补贴”政策和2003年后出台的化肥等农资价格上涨与提高农资综合直补联动机制等。这些政策在促进产业发展的同时，也造成了产能过剩等问题，进而价格波动巨大。另一方面，化肥的大量使用在给农民造成经济负担的同时，也造成了大量的农业面源污染。因此，从长期来看，鼓励有机肥和更高效施肥模式的改进，不但可节约大量的农资成本，也可以更好地保护环境。
参考文献：
[1]栾江，仇焕广，井月，等.我国化肥施用量持续增长的原因分
解及趋势预测[J].自然资源学报，2013（11）：1869-1878.
[2]张文雄，栾江.我国化肥价格波动趋势及影响因素的实证研
究[J].价格理论与实践，2014（03）：86-88.
[3]巩前文，穆向丽，谷树忠.大宗能源价格波动对国内化肥价
格的影响[J].资源科学，2014（07）：1402-1407.
[4]黄信诚，孙承运.当前化肥价格上涨的原因与应对措施[J].
山东省农业管理干部学院学报，2008（05）：60-61.
[5]张卫峰，季玥秀，马文奇，等.中国化肥资源供需矛盾及调控
策略[J].自然资源学报，2008（05）：754-763.
[6]李干琼，许世卫，李哲敏，等.农产品市场价格短期预测方
法与模型研究——基于时间序列模型的预测[J].中国农业
大学学报，2011（02）：172-178.
[7]王侃，汪波.我国化肥的需求价格弹性分析[J].中国农机化，
2007（05）：31-33.
[8]田素妍.我国化肥价格管理问题探析及对策建议[J].价格
理论与实践，2007（09）：41-42.
[9]张卫峰，季玥秀，马骥，等.中国化肥消费需求影响因素及走
势分析——Ⅰ化肥供应[J].资源科学，2007（06）：162-169.
[10]黄文芳，John K.Dagsvik.中國化肥需求弹性计算[J].上
海农业学报，2012（01）：86-90.
[11]广东省价格检测中心化肥价格调查组.广东化肥市场的现
状分析[J].粤港澳市场与价格，2009（10）：29-34.
[12]陈杏梅.广东春耕化肥供需情况分析[J].广东合作经济，
2014（02）：43-44.
[13]任园园，尚卫辉.广东省农业生产——化肥施用宏观动态
分析[J].广东科技，2014（16）：145+149.
（责任编辑：吴 霞）
预测价格 篇12
工程建造价格的预测也就是对工程进行估价。所谓工程估价就是对一个计划中准备建设的上程在实施之前对其预期价格进行预测。工程的建造价格是建设单位关心的主要问题, 对于拟建工程项目来说, 如何在没有具体的施工图纸和方案时, 对项目做出预测估价, 从而决定工程最优方案和控制投入是一个项目成败的关键所在。与此同时施工单位对工程造价更加重视。如何降低工程成本, 增加企业利润是他们的责任, 这就要求施工单位根据工程的特点和要求, 预测工程造价。也就是我们常说的事前控制。目的是掌握各种形式的工程综合价格, 在工程招投标时控制预算, 最终以合理价中标。因此对一个工程进行既快又准确地预测, 对业主、受业主委托的咨询机构以及投标者来说, 都是一件至关重要的工作。在工程建设的每个阶段, 业主都要预测拟建工程的全部预期价格, 据此确定标底、评标与定标。对于投标者来说, 工程造价预测则是决定投标成败以及在工程实施过程中能否盈利的关键。
2 工程建造价格预测在工程建设中的重要作用
一方面投资计划是按照建设工期、工程进度和建设工程价格等逐年分月加以制定的, 正确的投资计划有助于合理和有效地使用资金。工程造价预测过程就是对造价的控制过程。而每一次预测对下一次估算又都是严格的控制。因此工程造价预测可以有效控制资金投入。一方面投资体制的改革和市场经济的建立, 要求项目的投资者必须有很强的筹资能力, 以保证工程建设有充足的资金供应。工程造价预测基本确定了建设资金的需要量, 从而为筹集资金提供了比较准确的依据。另一方面在市场经济中, 工程造价也受供求状况的影响, 并在围绕价值的波动中实现对建设规模、产业结构和利益分配的调节。在政府正确的宏观调控和价格政策指导向下, 工程造价预测今后在这方面的作用会更加充分地发挥出来。基于以上三个方面, 工程造价预测能够为评价投资效果提供多种评价指标, 并能够形成新的价格信息, 以此来提升我国建筑工程施工企业整体的自主竞争能力和水平, 使我国建筑工程造价管理尽快缩短与国际的差距, 实现与国际接轨。
3 回归分析方法应用
3.1 回归分析方法介绍
所谓回归分析法, 是在掌握大量观察数据的基础上, 利用数理统计方法建立因变量与自变量之间的回归关系函数表达式 (称回归方程式) 。回归分析中, 当研究的因果关系只涉及因变量和一个自变量时, 叫做一元回归分析;当研究的因果关系涉及因变量和两个或两个以上自变量时, 叫做多元回归分析。此外, 回归分析中, 又依据描述自变量与因变量之间因果关系的函数表达式是线性的还是非线性的, 分为线性回归分析和非线性回归分析。通常线性回归分析法是最基本的分析方法, 遇到非线性回归问题可以借助数学手段化为线性回归问题处理。
客观世界中许多事物, 现象、因素彼此关联而构成关系、过程、系统。比如, 金属棒的长度“热胀冷缩”, 这说明棒的长度与温度这两个量之间存在某种关系。
若这种关系不便于用解析式表示时, 则可用统计学的方法寻找这两个量的Á统计关系。此外, 如鸟类的飞行路线与空间天侯情况, 粮食产量与气温、湿度, 儿童身高与营养之间的关系等。若这些统计关系符合最小二乘法则, 便可得到回归分析模型。本文将回归分析方法应用于工程造价的预测估算中。
3.2 方法应用
某学校教学楼工程, 4层、砖混结构, 建筑面积3500m2、工期10个月, 进行公开招标。某市建筑公司投标, 应用线性回归分析法预测估算出该工程的造价, 完成投标。
本资料只包括工程土建方面的报价, 地基处理、水暖管道、电器线路等没有包括在内。
3.2.1 搜集近期同类工程造价信息如表1
3.2.2 模型设定
本案例宜将模型设定为一元线形回归模型, 中以“area”代表建筑面积, “Price”代表投标报价模型设定为:y=a+bx, 其中:y为因变量, 本案中为Price, x为子变量, 本案中为area, a为随机误差项, b为自变量系数。
3.2.3 采用SPSS13.0软件分析结果
基本数据信息统计情况如下表:
表2数据信息基本统计量
变量相关分析如下:
从输出结果可以得出, 可决系数R2, 调整, 方程显著性检验值F, 变量的显著性检验t等均能通过检验, 获得回归方程:y=2.449+0.028x
3.2.4 预测估算
当建筑面积X=3500时, 则工程投标价格预测值为:
Price=2.449+0.028×3500=100.449 (万元)
4 结语。
需要说明的是, 在这个预测中, 考虑结构类型, 同种结构才能用上述方法预测;如果数据比较详细, 还可以加上结构类型, 投标日期, 主要建材价格等变量, 采用多元回归模型进行分析, 结果会更加可观, 科学。构成造价的诸要素, 它们之间的相互影响和相对改变, 都需要操作者自行调整, 但是对它们的轻微修改, 可使预测值发生较大变化, 是预测可信度降低;在采用回归分析法这种定量分析方法时, 要结合定性分析法, , 这样才能降低系数调整风险, 达到准确预测目的。
参考文献
[1]孙涛.灰色系统预测理论在建筑工程造价中的应用.西北工业大学 (硕士学位论文) , 2006, 2.
[2]张有为主编.预测的数学方法.国防工业出版社.1991, 10.
[3]孙明玺主编.实用预测方法与案例分析.科学技术文献出版社, 1993, 6.
[4]李华、胡奇英主编.预测与决策.西安电子科技大学出版社, 2005, 3.
[5]李业主编, 预测学.华南理工大学出版社, 1986, 6.
[6]陈忠、李莉主编.定量方法在管理中的应用.上海交通大学出版社, 2004, 9.
[7]李子奈、叶阿忠.高等计量经济学.北京:青华大学出版社, 2000.
[8]何晓群.回归分析与经济数据建模.北京:中国人民大学出版社, 1997.