国内柴油市场需求预测技术和应用研究.pdf

摘 要 我国是柴油消费大国。近年来,国内柴油市场发展迅速,柴油需求快速增 长,年度平均消费量占到整个成品油市场年度平均消费量比重的 60%以上。因 此,立足当前国内经济的发展,对国内柴油市场需求进行研究具有重要意义。 但是,从国内石油企业来看,对柴油市场需求的研究往往从主观经验出发,去 判断未来柴油市场的需求量,缺乏一定的科学性,得到的结果也不是很理想, 预测精度不高,有时甚至出现严重偏差。另外,柴油用油涉及到的行业较为复 杂,包括柴油机动车、农业、铁路运输、水路运输、渔业、电力、建筑、工矿 企业、商业民用等众多领域,而对于柴油用油行业的研究尚处于起步阶段,没 有一个系统的量化方法作为科学决策的理论依据。面对快速变化的柴油市场, 石油企业面临的市场竞争日益激烈,国内石油企业迫切需要找到一种科学的方 法去解决当前所面临的问题。因此,笔者试图利用柴油市场的行业经验和科学 的定量分析方法两者相结合,去研究未来国内柴油需求量的变化趋势,进而建 立科学的预测模型,来为国内石油企业制定政策提供科学依据,这对于国内企 业尤其是石油企业合理控制生产,提供有效供给和满足市场需求,进而提高企 业的运行效率具有重要意义。 本文首先对国内柴油市场需求进行行业分析,希望通过对柴油行业以及相 关行业数据的分析,为接下来的量化分析提供方向和理论支撑。然后,根据行 业分析的结论,笔者希望利用科学而有效的预测模型建立适用预测中短期柴油 需求量的预测模型,为石油企业高层判断未来柴油市场走向和柴油消费趋势, 进行科学决策提供支持,同时也能够帮助石油企业有效的控制成本,提高生产 效率,在未来市场竞争中占据有利地位。 在本文的预测建模部分,主要分为单变量建模和多变量建模两大部分。单 变量预测部分采用了残差自回归模型和自回归求和滑动平均模型(ARIMA 模 型),并对模型进行了比较分析。由于单变量预测方法仅仅考虑了单变量自身的 变化规律,虽然能在一定程度上预测变量自身未来的趋势性,但是模型的解释 性较差,准确性不高。因此本文进一步对多变量预测模型进行了研究,根据相 关行业数据对柴油市场需求的影响,提出使用多变量残差自回归模型和传递函 1 数模型(ARIMAX)来建立相关的预测模型,通过探察柴油消费量与工业增加 值、柴油车保有量、柴油车销售量、客运货运周转量等相关因素的关系,尤其 是探察这些相关行业数据和此后若干个月的柴油表观消费量之间的关系,笔者 希望利用这些相关因素的信息和柴油表观消费量自身的规律,预测未来若干个 月的柴油表观消费量情况。 本文的创新见解主要有以下二个方面: 第一,首次将科学的预测建模方法应用于柴油消费市场,利用 SAS 软件建 立了单变量条件下的残差自回归模型和 ARIMA 模型以及多变量条件下的残差自 回归模型和传递函数模型。 第二,基于国内柴油市场的需求规律,建立不同的预测模型,并进行模型 间的对比分析,得出结论当序列有明显的确定性趋势和季节性趋势时,选取单 变量预测模型中的残差自回归方法,模型简单有效,预测精度也比较高;当对 序列的趋势把握不准时,可以采用 ARIMA 模型和传递函数模型分别建立单变量 和多变量的时间序列预测模型,进行预测都会取得比较好的效果。相对传递函 数模型来说,ARIMA模型建模较为简单,而且精度较高。相对ARIMA模型,传递 函数模型虽然较为复杂,但是预测功能更为强大,而且传递函数模型将相关影 响因素考虑在内,所以具有很好的解释性。 在论文的写作过程中,笔者翻阅了大量的石油行业书籍和时间序列预测建 模的书籍和资料,力求在对研究问题的深刻理解的前提下,建立完善而准确的 时间序列预测模型。在基于柴油消费数据和相关行业数据的前提下,从数据建 模的角度,建立不同的时间序列模型,并对模型进行比较分析,得出昀优的预 测建模方案,昀大限度的提高模型的预测精度,为企业决策提供量化依据。 关键词:柴油市场;ARIMA模型;残差自回归模型;传递函数模型 2 AbstractChina has a big power of diesel consumption. In recent years, the domestic diesel consumption has increased rapidly and annual average consumption accounts for more than 60% of the entire oil products annual average consumption. Therefore, based on the current economic development of China, The study of domestic diesel mark