《曾韦杰经济预测与决策之预测原盐产量》由会员分享，可在线阅读，更多相关《曾韦杰经济预测与决策之预测原盐产量（13页珍藏版）》请在金锄头文库上搜索。
1、深圳大学考试答题纸(以论文、报告等形式考核专用)二一 二一一 学年度第 二 学期课程编号22191303课程名称经济预测与决策主讲教师李工农评分学 号2008190122姓名曾韦杰专业年级金融01教师评语：题目：经济预测与决策之预测原盐产量一、 经济预测与决策综述经济历史是由一幕幕的插曲构成，它们都是奠基于谬误与谎言，而不是真理。这代表着赚大钱的途径。我们仅需要辨识前提为错误的趋势，顺势操作，并在它被拆穿以前及时脱身。 乔治.索罗斯 经济活动是 旨在发展 、最大限度获利的一种社会活动，而其关键在于决策最大限度优化而决策的基础是预测的精准，科学的决策来自于科学的预测。 在竞争激烈的市场经济环境下
2、，无论是社会经济的发展还是工商业者进行经营管理的需要，经济预测与决策无处不在。随着现代市场经济的发展，经济活动的内容愈来愈复杂、丰富，经济前景的不确定性大大增多了，尤其是经济实体蒙受经济损失的可能性，这就需要我们运用经济预测的方法将其降到最低限度。 只要有经济活动就会有风险，而风险又是可控制的，所以社会发展带动下的经济飞速发展为经济预测方法的大量应用提供了广阔的舞台，经济预测管理与决策优化在经济活动起到了降低了风险度的重要作用。不难预见 ，经济预测与决策的蓬勃发展将会对经济的发展将起着越来越大的作用。“凡事预则立，不预则废”。在社会主义市场经济的条件下，经济预测与决策技术对各种经济体来说都是十
3、分重要的。i. 定性预测定性预测法也称为直观判断法，是市场预测中经常使用的方法。定性预测主要依靠预测人员所掌握的信息、经验和综合判断能力，预测市场未来的状况和发展趋势。 这类预测方法简单易行，特别适用于那些难以获取全面的资料进行统计分析的问题。因此，定性预测方法在市场预测中得到广泛的应用。定性预测方法又包括：专家 会议法，德尔菲法，销售人员意见汇集法，顾客需求意向调查法。 定性预测法注重于事物发展在性质方面的预测，具有较大的灵活性，易于充分发挥人的主观能动作用，且简单的迅速，省时省费用。但是易受主观因素的影响，比较注重于人的经验和主观判断能力，从而易受人的知识、经验和能力的多少大小的束缚和限制
4、，尤其是缺乏对事物发展作数量上的精确描述。ii. 定量预测定量预测是使用一历史数据或因素变量来预测需求的数学模型。是根据已掌握的比较完备的历史统计数据，运用一定的数学方法进行科学的加工整理，借以揭示有关变量之间的规律性联系，用于预测和推测未来发展变化情况的一类预测方法。定量预测基本上可分为两类：一类是时序预测法。它是以一个指标本身的历史数据的变化趋势，去寻找市场的演变规律，作为预测的依据，即把未来作为过去历史的延伸。时序预测法包括平均平滑法、趋势外推法、季节变动预测法和马尔可夫时序预测法。另一种是因果分析法，它包括一元回归法、多元回归法和投入产出法。回归预测法是因果分析法中很重要的一种，它从一
5、个指标与其他指标的历史和现实变化的相互关系中，探索它们之间的规律性联系，作为预测未来的依据。定量预测法注重于事物发展在数量方面的分析，重视对事物发展变化的程度作数量上的描述，更多地依据历史统计资料，较少受主观因素的影响。但是比较机械，不易处理有较大波动的资料，更难于事物预测的变化。下面介绍几种重要的定量预测模型：1.指数平滑法指数平滑法是生产预测中常用的一种方法。也用于中短期经济发展趋势预测，所有预测方法中，指数平滑是用得最多的一种。简单的全期平均法是对时间数列的过去数据一个不漏地全部加以同等利用；移动平均法则不考虑较远期的数据，并在加权移动平均法中给予近期资料更大的权重；而指数平滑法则兼容了
6、全期平均和移动平均所长，不舍弃过去的数据，但是仅给予逐渐减弱的影响程度，即随着数据的远离，赋予逐渐收敛为零的权数。 也就是说指数平滑法是在移动平均法基础上发展起来的一种时间序列分析预测法，它是通过计算指数平滑值，配合一定的时间序列预测模型对现象的未来进行预测。其原理是任一期的指数平滑值都是本期实际观察值与前一期指数平滑值的加权平均。指数平滑法的基本公式是：St=ayt+(1-a)St-1 式中： St-时间t的平滑值； yt-时间t的实际值； St-1-时间t-1的平滑值； a-平滑常数，其取值范围为0,1； 2. 时间序列预测法-Winters MethodMuhiplicative模型该方
7、法将时间趋势和乘法季节因素相结合，考虑序列规律的季节波动。时间趋势模型可根据该序列律的季节波动对 该趋势进行修正。为了能捕捉到季节性，趋势模型包含每个季节的一个季节参季节因子采用乘法季节因子。随机时间序列整理汇总历史上各类保险的数据得到逐月的数据，Winters Method-Multiplicative模型表示为 xt = (a + bt)s(t) + t(1) 其中a和b为趋势参数，s(t)为对应于时刻t的这个季节选择的季节参数，修正方程为。 ， bt = 2(at at 1) + (1 2)bt 1(2) 其中：xt,at,bt,分别为序列在时刻t的实测值、平滑值和平滑趋势st-1(t)
8、选择在季节因子被修正之前对应于时刻t的季节因子的过去值。 在该修正系统中，趋势多项式在当前周期中总是被中心化，以便在t以后的时间里预报值的趋势多项式的截距参数总是修正后的截距参数at。向前个周期的预报值是。 xt + = (at + bt)st(t + )(3) 当季节在数据中改变时季节参数被修正，它使用季节实测值与预报值比率的平均值。 3.ARIMA模型ARIMA模型全称为自回归移动平均模型(Autoregressive Integrated Moving Average Model,简记ARIMA)，是由博克思(Box)和詹金斯(Jenkins)于70年代初提出的一著名时间序列预测方法，所
9、以又称为box-jenkins模型、博克思-詹金斯法。其中ARIMA（p，d，q）称为差分自回归移动平均模型，AR是自回归, p为自回归项; MA为移动平均，q为移动平均项数，d为时间序列成为平稳时所做的差分次数。ARIMA模型的基本思想是：将预测对象随时间推移而形成的数据序列视为一个随机序列，用一定的数学模型来近似描述这个序列。这个模型一旦被识别后就可以从时间序列的过去值及现在值来预测未来值。现代统计方法、计量经济模型在某种程度上已经能够帮助企业对未来进行预测。ARIMA建模流程： iii. 定性预测与定量预测的联系 定性预测和定量预测并不是相互排斥的，而是可以相互补充的，在实际预测过程中应
10、该把两者正确的结合起来使用。定性预测是指预测者依靠熟悉业务知识、具有丰富经验和综合分析能力的人员与专家，根据已掌握的历史资料和直观材料，运用个人的经验和分析判断能力，对事物的未来发展做出性质和程度上的判断，然后，再通过一定形式综合各方面的的意见，作为预测未来的主要依据。 定性预测在工程实践申被广泛使用，无论是有意还是无意的。特别适合于对预测对象的数据资料(包括历史的和现实的)掌握不充分，或影响因素复杂：难以用数字描述，或对主要影响因素难以进行数量分析等情况。 定性预测偏重于对市场行情的发展方向和施工中各种影响施工项目成本因素的分析，能发挥专家经验和主观能动性，比较灵活，而且简便易行，可以较快地
11、提出预测结果。但是在进行定性预测时，也要尽可能地搜集数据，运用数学方法，其结果通常也是从数量上作出测算。二、预测原盐产量前 言 盐是人类生存必需品，也是化学工业基本原料。近两年来，随着中国经济的快速发展，两碱业对盐产品需求的增加，盐行业继1987-1992年之后出现了新一轮供不应求的局面，促进了盐业产能的新一轮扩张。如何选择原盐，兼顾其价格和质量，既可最大限度地降低成本，又能在生产过程中节能降耗，实现绿色生产，是国内用盐企业一直关注的课题。目前我国是世界上最大的原盐生产国与消费国，也是世界上原盐产业发展最快的国家，原盐生产年增长率保持在10以上的高水平。亚洲地区原盐产量已经超过7000万a，约
12、占世界原盐总产量的30，是世界原盐贸易最活跃的地区。全球盐国际贸易量的一半左右发生在亚洲市场。当前盐行业面临的形势，既具备一定的发展机遇和优势，也面临着诸多的困难和挑战1。从总体上来看是机遇大于挑战，希望大于困难。2005年我国原盐产量为4500万t，比2004增长了714；2006年的原盐产能预计将达到6300万t。我国原盐工业的快发展，主要得益于两碱工业和聚氯乙烯工业的快速发展。下游行业的强劲需求与良好的市场环境，有力地促进了国内原盐工业的发展。盐是化学工业的重要源料，它可制成氯气、金属钠、纯碱(碳酸钠)、重碱(碳酸氢钠，小苏打)、烧碱(苛性纳、氢氧化钠)和盐酸，如图1所示。这些产品的用途
13、极为广泛，它们涉及到国民经济各个部门和人们的衣、食、住、行各个方面。我国原盐消费的主要行业有化工行业、食品添加剂及轻工业，其中占主导地位的是纯碱工业和烧碱工业(见表1)。但是，近几年来，我国原盐产量增长速度明显落后于烧碱和聚氯乙烯的发展速度，导致国内原盐市场出现了供不应求的局面。另外，从20002004年原盐产量与需求量来看(见表2)，近几年产量不能满足需求量。这将势必影响烧碱、纯碱和聚氯乙烯工业的发展。模型详述1. ARMA 模型ARMA模型是基于SAS软件的一种定量预测模型。全称是自回归移动平均( auto regression moving average)模型，是一类常用的随机时序模型
14、，由美国统计学家G. E. P. Box (博克斯)和G.M.Jenkins(詹金斯)于1970 年首次提出，广泛应用于各种类型时间序列数据的分析方法，是一种预测精度较高的短期预测方法。基本思想是：某些时间序列是依赖于时间t的一族随机变量，构成该时序的单个序列值虽然具有不确定性，但整个序列的变化却有一定的规律性，可以用相应的数学模型近似描述。通过对该模型的分析研究，能够更本质地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。具有如下结构的模型称为自回归移动平均模型，简记为ARMA (p, q ):若=0，该模型称为中心化ARMA（p，q） 模型。引进延迟算子，ARMA（p，q） 模型简
15、介为：式中，=1-，为p阶自回归系数多项式。=1-， 为q阶移动平均系数多项式。其中，q=0时，ARMA(p，q)模型就退化为自回归AR（p）模型：P=0时，ARMA(p，q)模型就退化为滑动平均MA（q）模型：2.ARIMA模型ARIMA（p，d，q）称为差分自回归移动平均模型，是对非平稳时间序列分析研究中常用到的一种模型。AR是自回归，p为自回归项， MA为移动平均，q为移动平均项数，d为使之成为平稳序列所做的差分次数（阶数）。 ARIMA（p，d，q）模型是ARMA（p，q）模型的扩展。ARIMA（p，d，q）模型可以表示为：其中d 是滞后算子（Lag operator），且。ARIMA模型原理 ARIMA模型的基本思想是：将预测对象随时问推移而形成的数据序列视为个随机序列.以时间序列的自相关分析为基础.用一定的数学模型来近似描述这个序列。这个模型一旦被识别后就可以从时间序列的过去值及现在值来预测未来值。ARIMA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，对于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。3.基于
