中国出口贸易时间序列分析.docVIP

中国出口贸易的时间序列分析 　　内容摘要：出口的贸易值的预测能够对未来出口贸易以及经济形势的发展起到重要的指导作用，为此，本文基于时间序列分析ARIMA模式方法，针对我国的出口贸易建立对应的预测模型，并结合实例进行分析，实证分析结果显示，采用该模型预测的我国2015年全年各月份的出口贸易额与国家统计局给出的实际的出口贸易月季度额相当接近，充分验证了该模型的准确度，本文的研究为政府及相关业界拟定经贸政策及经营策略提供了重要参考。 　　关键词：出口贸易 时间序列 预测分析 　　问题的提出 　　最近几年，中国的外贸形势较以往发生了显著的变化，从国际看，世界经济温和复苏态势基本确立，经济增速缓慢回升。美国劳动力市场、金融市场持续向好，经济进入稳步增长轨道。欧元区经济爆发系统性风险的可能性下降，随着货币政策宽松力度加大，经济将实现低速增长。日本消费税率上调的影响逐渐减弱，但结构改革效果不容乐观，经济将实现微弱增长。新兴经济体经济增长总体仍快于发达国家，应对经济冲击的能力有所增强。国际货币基金组织预计，2015年世界经济将增长3.8%，增速比2014年提高0.5个百分点。世界贸易组织预计，2015年全球贸易量将增长4%，增速比2014年提高0.9??百分点。联合国贸发会议预计，2015年全球跨国投资规模将从2014年的1.6万亿美元扩大到1.7万亿美元。但金融危机后续影响依然存在，深层次结构性矛盾凸显，发达国家宏观政策分化，贸易保护主义势头上升，热点地区地缘政治冲突加剧，将成为经济波动的重大风险来源（刘宏、梁文化，2016）。 　　鉴于此，本研究希望通过出口的贸易值来预测未来出口贸易形势发展，一般对于贸易的发展大都从理论或经验做事先的推论和判断，再配合实际的贸易情况来验证，而对于贸易情况的掌握，较常用的资料是贸易金额、成长率、比重。另外，还有许多通过贸易资料整理而成的贸易指标，也可作各种角度的另类贸易情势分析，因此若能预测出未来我国的贸易值，则可以用来作为我国各项贸易指标的基础，而政府相关的研究机构也可以透过整理这些较重要的贸易指标，来分析我国的贸易情势，或了解我国贸易动向，借此也可作为拓展外销努力及订定贸易政策的参考。 　　本研究是以Box和Jenkins（1970）所提出的时间序列分析ARIMA模式为研究方法（Akalike，E.A，2013），并针对我国的出口贸易建立预测模型，以发掘数据中的关联、样式和趋势，并预测出未来趋势变化以应用于决策和管理，以期能提出更加准确的建议。根据本研究目的，我国出口贸易值预测有其相当的重要性及可行性，加上政界及学界对于出口贸易的真实数据皆有相当迫切的需求，因此如何建立一套更有效的估计方法，作为出口经贸政策的数量管理成为现阶段的重要工作。 　　预测方法选择 　　近几年随着预测技术的创新以及准确率的提升，在民间企业或政府控制与管理的决策过程中，预测一直起着举足轻重的作用。而且预测技术已经广泛使用在各个领域，如经济学理论、系统理论、工业工程理论、决策理论、模式认定、医学、气象学等（陈文静，2015）。 　　一般对于总体经济变量的预测，常涉及计量经济模式或时间序列模式的建立，而在时间序列模式应用的研究上有愈来愈多的倾向。目前关于应用在贸易预测方面的文献还不是很多（杜文静等，2015；刘再起等，2015；Dickey， D. A等，2012；陈俊聪等，2013），最早应用时间序列分析及因素分离预测法，对我国出口贸易总量进行研究，其文章中分别讨论其方法的特性，然后再谈预测模式的选择及建立，最后再应用到预测值的演算。其研究目的在于阐述两种具有价值的预测方法，并以出口贸易的成长为例，以分析当前国家在贸易上的发展，并配合经济形态的变化，经由方法的讨论，作为预测的工具来预测未来国家经济发展动向。随后学者提出以建立实务导向的出口需求预测模式，以利出口业者掌握国际市场之需求。该研究是运用贝氏动态回归分析，建立出口需求预测模型。另外有学者提出了随机贸易模型，分析政府在获得预测信息后采取库存调整所能增加的经济效益，同时也讨论圣婴对稻米生产、贸易与福利所带来的影响。 　　由以上文献可以得知，贸易预测虽然有许多不同的方法可以去做预测，例如ARIMA模式、因素分离预测法、线性回归或指数模式等，但是何种预测方法较佳，却是各方见解都不同。而本研究中发现应用时间序列ARIMA模式进行研究有愈来愈多的倾向。同时，时间序列ARIMA模式在经济领域应用的层面也愈来愈广泛，例如：应用在股价指数、基金流量、汇率等方面的预测，而且该模式皆有不错的绩效（陈愉瑜，2012；Martin， C. A.等，2014）。综合上述论点，就预测目的而言，并无法论定哪一种预测方法是最好的，因为预测模式没有唯一性，只有合理性。虽然预测的精确性是选择