ARMA模型在港口吞吐量增長分析中的运用.docVIP

ARMA模型在港口吞吐量增长分析中的运用 ——以上海港为例的实证分析 摘 要 港口吞吐量作为反应一国一区一城港口生产经营活动成果的重要经济指标，是衡量国家、地区、城市经济建设和发展必不可少的部分。影响港口吞吐量的因素十分复杂，对各种因素的分析是港口发展的重要条件。我国港口货物吞吐量在2009年自6月以来一直处于正增长态势，反应了我国经济发展的情况。 为了探讨港口吞吐量根据时间的增长关系，以及其与地区经济之间的关系，本文中以中国内地最大港口——上海港为例，就1985-2005年上海港港口吞吐量进行实证分析。上海港港口吞吐量占全国总港口吞吐量的9.9%，对其进行研究不仅对上海的经济进行分析，对于我国的总体经济也能进行分析。 利用从上海港口局得到的上海港1985年至2005年的港口吞吐量PHC（Port handling capacity）的年度数据，建立了能够有效模拟我国经济时间序列趋势的预测模型。根据PHC序列特征对其作对数处理的道具有线性趋势的对数PHC序列（LnPHC），然后对该序列采用建模方法，用模型对2006、2007两年的PHC进行预测，检验ARMA模型在港口吞吐量分析中的适用性，并探讨了预测数据与实际数据相差过大的形成原因。同时，根据上海GDP历史数据，对港口吞吐量对地区经济之间的关系进行了探讨。 关键词：ARMA模型 上海港 PHC 时间序列 前言 在经济运行过程从较长时间序列看，由于市场机制的作用，呈现一定的规律，而港口吞吐量作为经济情况的一个重要体现者，也有着一定的规律，这对预测提供了依据。 目前， 预测经济运行时间序列的理论与方法较多， 而AR-MA模型在经济预测过程中既考虑了经济现象在时间序列上的依存性， 又考虑了随机波动的干扰性， 对经济运行短期趋势的预测准确率较高， 是近年应用比较广泛的方法之一。 港口吞吐量（PHC）不仅能够在总体上反映出一国一地的经济发展情况，也能够在整体上度量经济波动和经济周期状态，因此，对PHC进行精确的拟合和分析对分析一国一地的经济发展趋势具有重要意义。 在本文中研究中， 根据ARMA模型的应用条件，选取1985年至2005年20年间的PHC序列数据进行建模分析。 相关信息介绍 1、ARMA模型简介 ARMA模型是由美国统计学家G.E. P. Box和英国统计学家G. M.Jenkins在二十世纪七十年代提出的时序分析模型，即自回归移动平均模型。若时间序列为它的当前与前期的误差和随机项，以及它的前期值得线性函数，可表示为： （1.1） 则称该时间序列为（p，q）阶自回归移动平均模型，既为ARMA（p，q），参数为自回归参数，为移动平均参数，是模型的待估参数。引入滞后算子 B， ( 1)式可以表示为： 若 (B)=0， 则称该平稳随机序列{}为 p 阶自回归模型， 记为 AR(p)模型; 若(B)=0， 则称平稳随机序列{}为 q 阶移动平均模型， 记为 MA(q)模型。 2、港口吞吐量介绍 港口吞吐量PHC（Port handling capacity）：一年间经水运输出、输入港区并经过装卸作业的货物总量，单位为t（吨）。 　　港口吞吐量，是反映港口生产经营活动成果的重要数量指标，港口吞吐量的流向构成、数量构成和物理分类构成是港口在国际、地区间水上交通链中的地位、作用和影响的最直接体现，也是衡量国家、地区、城市建设和发展的量化参考依据。港口吞吐量按大类可分为货物吞吐量和旅客吞吐量，在本文中我们只讨论货物吞吐量。 港口吞吐量是衡量港口规模大小的最重要的指标。反映在一定的技术装备和劳动组织条件下，一定时间内港口为船舶装卸货物的数量，以吨数来表示。 因此对原始时间序列作对数处理。 通过观察时间序列图，发现对数处理所得序列具有较好的线性趋势（除1995年至2000年增长较为平缓）。 2、建模过程 由于PHC带有很强的趋势成分，而我们的目的主要是利用ARMA模型对其周期成分进行分析，因此需要对此类的数据先进行消除趋势性的处理，然后建立ARMA模型.我们用两种方法对PHC对数序列进行不同的处理，建立不同的模型。 2.1 模型 1：建立非平稳时间序列组合模型 先将PHC的对数序列对时间变量进行拟合，然后对得到的残差序列应用ARMA模型分析。 2.1.1 确定性趋势回归模型 (1.2) 其中是带有线形趋势的原指标值， 为去除趋势因素后的周期成分和噪音成分，我们将用它进行ARMA模型分析。用eviews对(1.1)式进行线性最新二乘法拟合，拟合得到结果如下：