ARIMA模型在我国能源消费预测中应用.doc

ARIMA模型在我国能源消费预测中应用摘要：能源影响着我国社会经济的稳定持续发展，对未来能源消耗的准确预测具有重要意义。笔者以我国1978年～2005年的能源消费总量数据为基础，运用ARIMA模型进行能源消费的预测，达到了最小方差意义下的最优预测的效果。同时，对我国未来的能源发展给出了由开发与节能并重转变为节能优先的政策性建议。 关键词：ARIMA；能源消费；预测 作者简介：刘勇(1970－)，男，重庆人，清华大学经济管理学院博士后、北京工商大学商学院讲师，主要从事管理工程与计量经济研究；汪旭晖(1976－)，男，辽宁大连人，东北财经大学工商管理学院副教授、清华大学经济管理学院博士后，主要从事管理学研究。 中图分类号：F224.0　文献标识码：A　文章编号：1006－1096(2007)05－0011－03　收稿日期：2007－06－19 能源是国民经济发展和人民生活水平提高的重要物质基础，能源短缺曾经长期制约我国经济的发展(沈镭、成升魁，2002)。近几年由于能源工业的发展，短缺局面虽然得到了缓解，但从长远来看能源供需形势仍然非常严峻(李文彦，2000)。以石油供需情况为例，近10年来，我国的石油产量年均增长率只有1.8％，但石油消费增长率稳定保持在6％以上，由此形成了石油供给的巨大缺口。如果供求增长率在“十一五”期间继续保持目前水平，到2010年，我国石油进口就会增长到4.5亿吨～4.7亿吨，即比目前再增加3亿吨；新增日进口量就会增加到每天600万桶；石油进口依赖率也会上升到超过70％(邵忍丽、贾明德，2006)。可是国际石油的后备供应能力目前已经严重不足，拿OPEC(石油输出国组织)来说，后备日产油已经只有200万桶左右，虽说还可能通过新的勘探开发出现新增长，但能否满足中国600万桶的日需求量还值得探讨(倪建民，2005)。我国未来的能源基础能否支撑社会经济的可持续发展，已经成为国内外严重关注的重要问题。因此做好未来能源消费预测分析，为能源规划及政策的制订提供科学的依据，对于保持我国社会经济健康、持续、稳定的发展具有重要的理论与现实意义。 国内外许多学者或机构对能源消费问题进行过广泛研究，提出了许多能源消费预测方法，如能源消费弹性系数法、投入产出法、因素分析法、回归分析法、部门分析法等(卢二坡，2006)。但是这些方法大多属于探究现象与能源消费需求之间的因果关系或结构比例关系，并根据这些关系来预测能源需求的相关关系预测法，但是由于能源消费往往受到许多因素的制约，并且这些因素之间又保持着错综复杂的关系，因此运用因果模型或结构比例关系预测能源需求一般比较困难，而且由于相关因素未来值的不确定性，也导致预测结果往往不够准确。如果选择预测模型的标准是追求预测精度的极大化，则最好选择时间序列模型(徐国祥，1998)。本文拟采用时间序列模型的一种――ARIMA模型对能源消费进行预测，该模型是一种精度较高的时序短期预测方法，能够从本质上认识时间序列的结构与特征，达到最小方差意义下的最优预测(易丹辉，2005)。 二、模型的选取 (一)ARIMA模型的基本原理 ARIMA模型是Box和Jenkinsl970年提出的以随机理论为基础的时间序列分析方法，又称为“Box-Jenkins模型”，这一模型在经济领域的预测分析中得到广泛的应用。时间序列是依赖时间t的一组随机变量，构成该时序的单个序列值虽然具有不确定性，但对整个时间序列来说，它的变化却有一定的规律性，可以用相应的数学模型来近似描述。ARIMA模型有三种基本类型：自回归模型(AR(p)：auto-regression)、单整(I(d))移动平均模型(MA(q)：moving average)和自回归移动平均模型(ARMA：auto-regression moving average)。 一般的p阶自回归过程AR(p)是 公式(3)表明：一个随机时间序列可以通过一个自回归移动平均过程生成，即该序列可以由其自身的过去或滞后值以及随机扰动项来解释；如果该序列是平稳的，即它的行为并不会随着时间的推移而变化，那么我们就可以通过该序列过去的行为来预测未来，这也正是随机时间序列分析模型的优势所在。 (二)模型的拟合及预测步骤 用ARIMA模型拟合一般有以下几个步骤：一是序列平稳性检验。可以用ARMA模型拟合的时间序列必须是平稳的，如果不平稳，要通过差分或序列变换等先将序列平稳化。一般通过观察时序图和严格的单位根检验，这一过程可以求出I(d)。二是检验平稳序列是否为白噪声。如果是白噪声，说明序列的变化是随机的，没有规律性，也就不能发现序列变化的趋势，构建ARMA模型也就没有意义了。三是根据序列自相关系数(ACF)和偏自相关系数(PAC