基于ARIMA与GARCH模型国际油价预测比较分析.docVIP

基于ARIMA与GARCH模型国际油价预测比较分析 　　摘 要： 在分析影响油价波动因素的基础上，利用1986年1月至2010年12月的WTI国际原油价格月度数据，分别建立ARIMA和GARCH模型对油价进行预测。并通过对2011年1月至2012年4月WTI原油价格进行外推预测，检验模型的预测效果。比较分析发现，在短期预测中，ARIMA和GARCH模型对油价的预测均比较准确，但当油价由于受到重大事件的影响而有较大波动时，模型的预测精度下降；在长期预测中，GARCH模型的预测效果优于ARIMA模型；整体来看，GARCH模型预测的精度高于ARIMA模型。因此，在国际油价预测中，用GARCH模型是比较合适的。 　　关键词：油价预测；ARIMA模型；GARCH模型；比较分析 　　中图分类号：F405 文献标志码：A 文章编号：1673—291X（2012）26—0196—04 　　引言 　　石油是国民经济中不可或缺的能源与化工材料，被誉为“工业的血液”、“经济的命脉”和“外交的武器”等。20世纪70年代以前，由于石油价格相对低廉且长期较稳定，很少有学者会关注油价的波动。70年代中后期的两次战争引起的石油危机导致石油价格剧烈波动，特别是近年来国际石油价格更是上升迅速而且波动频繁，引起了学术界开始对油价的预测模型进行广泛的研究，油价问题成为了全球关注的焦点。 　　预测的理论和方法众多，众多学者分别从不同角度出发建立预测模型。Hogan（1989）认为，石油价格几乎完全依赖于需求行为，只不过可能会有个时间滞后，这为之后的时间序列预测方法奠定了基础。时间序列计量方法成为了时下最热门的预测方法。肖龙阶等（2009）利用ARIMA模型对中国1997年以来大庆石油价格进行拟合，认为模型短期预测效果良好。 　　吴虹等（2010）在综合分析油价的线性和非线性符合特征的基础上，提出了一种基于ARIMA和SVM相结合的时间序列预测模型，发现组合模型相对于单模型的预测精度更高。舒通（2008）以ARIMA模型为基础，建立变系数回归模型对WTI原油现货价格进行预测，发现相比于常系数模型，变系数模型的拟合精度和预测精度都得到改善。赵树然等（2012）在GARCH族模型的基础上建立非参数GARCH模型来预测人民币汇率的波动性，实证结果表明非参数GARCH模型的预测误差??小。 　　之后，部分学者通过建立人工神经网络模型、灰色预测法、基于广义指数预报因子模型等来进行油价预测，预测精度大大提高。胡国松等（2010）通过分析影响石油价格的长期和短期因素，筛选出了全球石油产量、全球GDP指数等7个指标，应用灰色预测理论模型推导出了国际油价的预测模型。秦鹏等（2010）提出了两种基于广义指数预报因子模型的油价预测方法，在不同准则下选取有限个不同参数的EWMA线性组合，预测结果较准确。 　　上述众多的预测模型各有优劣，预测的效果也各有不同，应根据具体的情况选择最合适的模型来进行预测。但是，可以发现许多复杂的预测模型都是建立在ARIMA或GARCH模型的基础之上，ARIMA和GARCH模型在预测中起着不可替代的作用。因此，比较这两种模型的预测效果具有重要的意义。 　　武伟等（2010）在中国股市通过对上证综指的日收益率进行实证研究，比较ARMA和GARCH模型的预测效果，认为GARCH模型性能优于ARMA模型。因此，对于国际石油价格，比较ARIMA和GARCH这两个基础模型的预测效果也一定意义。 　　本文通过分别建立ARIMA和GARCH模型对国际油价进行预测，比较两种模型分别在预测短期和长期油价的效果，试图找出二者中综合预测效果较好的模型。 　　一、模型构建及实证分析 　　（一）石油价格影响因素分析 　　影响石油价格的因素十分复杂，总结起来主要包括：供求状况、国际经济环境、国际政治环境、投机行为、美元汇率、替代能源状况、石油战略储备体系、气候状况、船运能力和石油消费政策等。特别是，国际上一些突发的重大事件对油价的波动有较大影响。 　　因此，石油价格预测模型的建立基于下面的假设：不论石油价格受到什么因素的影响，其影响的效果与程度都会体果。 　　（二）数据选取及处理 　　本文选取1986年1月至2012年4月美国西德克萨斯轻质原油（WTI）的现货价格进行研究，共316个数据，其中，前300个数据作为样本用于建模及参数估计，后16个数据用于外推预测，作为检验和评价模型预测能力和预测精度的参照对象。本文的所有数据均来源于美国能源情报署（http：//），所有计算与图形的制作均由eviews6.0来完成。 　　从油价原始数据序列图可以看出，油价处于不断上升的过程。为克服油价数据的异方差性，对数据进行对数化处理，但可以看出序列依然不平稳。因此，再对油价对数序列进行一阶差分，即可得石油