基于向量自回归模型的煤炭价格预测

基于向量自回归模型的煤炭价格预测

论文摘要

煤炭行业在中国是最重要的基础能源产业,在一次能源消费中的比重长期保持在70%左右,是国民经济的支柱产业,具有举足轻重的战略地位。由于煤炭所具有的原材料属性和能源属性,其价格的变动不仅直接影响煤炭企业自身的生产、相关行业的运营状况,而且还涉及国民经济方方面面,关系到宏观经济能否全面、协调、可持续的健康发展。煤炭价格作为煤炭行业最重要的经济指标,其走势关系到千万企业的生死存亡、兴衰起伏,金融危机后煤炭价格的大幅波动更使得人们认识到有效地预测煤价并妥善管理价格风险具有重要现实意义。本文依据2005年至2011年最新统计材料,结合近几年宏观经济走势的大背景,以计量经济学和统计学为基础,采用近年来国际上时间序列分析与预测中使用较多的向量自回归模型(VAR)对煤炭市场价格进行实证分析和预测。本文的创新点是不拘于理论框架的束缚,从现货市场交易状况出发,既强调供求理论的基础作用,注重研究长期内煤炭行业供给与需求的变化趋势对煤价的影响;也注重短期内市场对偶发状况的反应,即结合近几年整体经济大幅波动的情况,衡量市场流动性及心理预期变化对价格的影响。第一章为引言,主要阐述了本文的研究目的、背景以及重要意义。文献综述着重比较了各种数学模型在煤价预测中的作用。第二章对影响煤价的各个经济变量进行筛选和分析,通过经济理论关系和格兰杰因果关系检验的统计显著性找出适合的解释变量。第三章在选定解释变量后,首先探讨了建立多元线性回归模型的可能性,在指出了存在多重共线性和序列不平稳的问题之后放弃了使用多元线性回归模型,转而使用了在宏观经济时间序列中较长使用的向量自回归模型。随后分析了向量自回归模型在经济时间序列预测中的优势和可靠性之后,使用VAR模型建模并进行了系统稳定性和残差稳定性的各项检验。在各项指标稳定的基础上引出了协整关系模型。第四章是对模型的分析和检验。通过脉冲分析和方差分析得出煤价受自身滞后项的影响很大;再将2010年1月至2011年3月的各期变量代入VAR模型公式,通过比较预测值与实际值的数值差异和变动趋势得出了模型预测有效的结论。第五章对全文进行了总结,指出了论文存在的可能遗失重要解释变量、滞后期选择不确定等不足和下一步改进的方向。

论文目录

  • 摘要
  • Abstract
  • 第一章 引言
  • 第一节 研究目的与说明
  • 第二节 研究背景
  • 一、煤炭价格市场化改革
  • 二、煤炭价格的大幅波动
  • 第三节 研究意义
  • 一、对煤炭行业和下游行业具有重要意义
  • 二、是影响资本市场的重要经济变量
  • 三、对政府调控国民经济有意义
  • 第四节 文献综述
  • 一、国外对煤价的研究
  • 二、国内对煤价的研究
  • 第二章 煤价的相关因素分析
  • 第一节 影响煤价因素分析
  • 一、煤炭供给与需求
  • 二、市场预期
  • 三、流动性
  • 第二节 数据准备
  • 一、煤价指标
  • 二、数据来源
  • 第三章 模型建立与检验
  • 第一节 模型建立
  • 一、单位根检验
  • 二、模型选择
  • 三、选择VAR模型
  • 四、建立模型
  • 第二节 模型检验
  • 一、模型系统稳定性
  • 二、VAR模型残差检验
  • 第三节 协整检验
  • 第四章 模型分析与预测
  • 第一节 脉冲响应分析
  • 第二节 方差分解
  • 第三节 预测
  • 第五章 总结
  • 参考文献
  • 致谢
  • 附表
  • 攻读学位期间发表的学术论文目录
  • 相关论文文献

    • [1].基于向量自回归模型的闽台金融合作分析[J]. 重庆三峡学院学报 2015(04)
    • [2].基于向量自回归模型的水质异常检测研究[J]. 安全与环境学报 2018(04)
    • [3].城镇化与城乡收入差距关系的实证研究——基于向量自回归模型的分析[J]. 商 2015(19)
    • [4].基于向量自回归模型的旅游热门景点预测方法研究[J]. 现代电子技术 2020(03)
    • [5].向量自回归模型在下击暴流风速场模拟中的应用研究[J]. 地震工程与工程振动 2015(02)
    • [6].向量自回归模型与结构向量自回归模型简介[J]. 商 2014(21)
    • [7].中国货币政策传导的地区异质效应研究——基于省际空间向量自回归模型的分析[J]. 宏观经济研究 2020(04)
    • [8].基于向量自回归模型的北京蔬菜价格波动原因分析[J]. 北方园艺 2018(12)
    • [9].我国民营企业对城镇化发展的影响研究——基于优化向量自回归模型[J]. 华东经济管理 2018(11)
    • [10].国际原油价格波动对中国物价水平影响的传导机制研究——基于全球向量自回归模型[J]. 宏观经济研究 2016(10)
    • [11].全球向量自回归模型的理论、方法及其应用[J]. 数量经济技术经济研究 2012(04)
    • [12].货币政策、汇率对区域就业的影响研究——基于半参数全局向量自回归模型[J]. 北京化工大学学报(社会科学版) 2020(01)
    • [13].对我国财政乘数的估计——基于结构向量自回归模型[J]. 石河子大学学报(哲学社会科学版) 2015(06)
    • [14].通货膨胀与货币供给和汇率的相关性研究——基于向量自回归模型[J]. 知识经济 2014(05)
    • [15].通货膨胀与货币供给和汇率的相关性研究——基于向量自回归模型[J]. 知识经济 2014(08)
    • [16].高新技术产业增长问题的实证研究——基于向量自回归模型分析[J]. 西安财经学院学报 2013(03)
    • [17].一种新扩展的向量自回归模型及应用[J]. 统计研究 2010(07)
    • [18].中国财政政策、货币政策的就业效应——基于面板向量自回归模型的研究[J]. 人口与经济 2017(03)
    • [19].中国能源消费与经济增长的向量自回归模型检验分析[J]. 统计与决策 2014(10)
    • [20].我国民间投资水平、宏观经济环境和外商直接投资——基于向量自回归模型[J]. 中国国际财经(中英文) 2016(21)
    • [21].基于面板向量自回归模型的高等教育与经济水平关系的研究[J]. 湖南工程学院学报(社会科学版) 2016(03)
    • [22].我国通货膨胀的国际影响因素分析——基于结构向量自回归模型的实证研究[J]. 中国流通经济 2012(09)
    • [23].基于向量自回归模型的人民币汇率实证分析[J]. 现代商贸工业 2011(03)
    • [24].房地产价格对居民消费影响分析--基于半参数全局向量自回归模型[J]. 发展研究 2017(02)
    • [25].基于因子增广型向量自回归模型的货币政策效应分析[J]. 金融理论与实践 2015(07)
    • [26].国内外通货膨胀对中国宏观经济的影响——基于结构化向量自回归模型的经验研究[J]. 当代财经 2012(06)
    • [27].出口导向与中国奇迹:一个向量自回归模型[J]. 金融经济 2011(08)
    • [28].非线性结构向量自回归模型因果关系的图模型辨识方法(英文)[J]. 工程数学学报 2014(05)
    • [29].产业转型升级与经济增长的动态关系研究[J]. 统计与决策 2020(06)
    • [30].卢比汇率变动对巴基斯坦进出口贸易影响——基于向量自回归模型[J]. 福建金融管理干部学院学报 2019(01)

    标签:;  ;  ;  

    基于向量自回归模型的煤炭价格预测
    下载Doc文档

    猜你喜欢