毕业论文-我国钢铁价格走势预测研究

前言钢铁业在国民经济生产中占有重要的地位．自第十二个五年计划以来，我国的经济发展一直保持着稳中有升的良好形势，这几年同样是我国钢铁业走向成熟的重要阶段．可是在现实中，钢企会因为原材料价格、生产效率、业务量多少等等各种各样的问题而不断调整钢铁价格，再加上钢铁市场的不稳定性，使得企业很难抓住准确信息，由于对未来市场走势的不确定性，使不少钢企面临“关门”的尴尬境遇．人类生产活动的方方面面都要或多或少的用到钢材，小到针头线脑、儿童玩具，大到轮船飞机，摩天大楼，重型机械，钢铁在人类发展的进程中的角色是那么的重要．纵然钢铁的市场前景是那么的广阔，可是行业内部的竞争也是相当的惨烈，所以钢铁企业要有合理地给自己定好在行业中的位置，对市场价格走势有敏锐洞察预测的能力．在钢材价格走势预测决策研究走在前面的企业，必将占有先行者优势，甚至击败其他对手．前辈们在以前的研究中得到了许多有价值的成果．比如崔瑞昕做过钢铁价格形成机理和波动成因的研究，得出我国钢铁价格的具体构成，苏莹在我国钢铁行业为价格影响因素的计量分析细致地分析了影响钢铁价格的因素等等．在前辈们的研究基础上，我的研究变得有据可依，得心应手，而且增加了其可信度．在这里，我要对在该领域做过贡献的前辈们表示真诚的感谢和深深的敬意．本人先从我国钢铁产量近况和我国钢铁进出口情况两方面分析当下钢铁市场形势，然后从市场经济学，宏观环境和钢铁价格的自发展趋势三个角度分析对钢铁价格影响显著的一因素．最后，结合ARMA预测模型得出我国钢材市场总体价格走势的预测结果．由预测模型我们发现，我们预测的结果同实际的情况相吻合，这也就从实际意义上证实了这套模型体系的有效性和实用性．本文中的研究模型不仅仅可以应用于分析钢铁行业价格预测问题，还可以应用到农业、服务业等其他市场预测问题．我相信在我们大家的共同努力下，钢铁市场一定会走出低迷时期，为人类社会发挥其不可替代的作用．我国钢铁研究现状我国钢铁产量近况我国每年生产大量钢铁，粗钢产量更是处于世界首位．近十几年，中国的经济进入蓬勃发展的时期，粗钢产量一直呈高增长态势，到2013年我国粗钢产量已经达到7.7亿吨，约占全球产量的49.1%．美国，日本这些原来的钢铁生产大国对钢铁的需求逐渐放缓，粗钢生产量一直呈稳定状态，所以粗钢产量的增长很大一部分来自于正处于发展中的中国．过高的钢铁产量使得我国钢铁供求矛盾进一步激化．钢铁市场供大于求的状态蔓延全国，当前的钢材价格紧紧地被规模庞大的供应量所压制，这也是近几年钢材价格一直下行的一个重要原因．我国钢铁进出口情况过来的几年，中国钢铁的进口量一直保持平稳发展，出口处于稳中有升的状态．出口量增加有两个原因：一是因为全球经济危机过后各国主要经济体制造业回升，景气指数都在缓慢复苏，2014年前六个月全球制造业PMI指数(采购经理指数)平均值接近53%，达到了近两年来的峰值．另外新兴经济体对国家基础设施建设和民用建筑的投资进一步增大，对钢材的需求量大幅增加；二是我国国钢材价格比其他出口国更有优势，再加上近期钢铁价哥下跌不止，以上诸多因素使中国钢材在国际钢铁贸易市场上的竞争力不断增强．2014年上半年，中国出口量接近4000万吨，同比增幅为35.9%．从近期我国钢铁产量以及进出口情况来看，中国钢铁行业总体形势越来越好，钢铁价格处于小幅度回升阶段．钢铁价格影响因素的分析钢铁市场经济学分析在钢铁市场经济环境中，供需关系与市场价格具有相互作用，相互影响的关系，我们由图2-1分析供需与价格的相互关系．图2-1理想条件下供需与价格的关系图2-1中横坐标ｑ代表钢铁的产量，纵坐标ｐ代表钢铁的价格．需求曲线ｄ说明当钢铁的市场需求不变的时候，当钢铁价格不断变化的时候，需求量就会跟随价格的变化沿着曲线d变动；供应曲线ｓ表示当钢铁的供应情况不发生变的时候，钢铁的供应量会随着钢铁价格的变化而沿着曲线s变动．需求曲线d和供应曲线s所交的点e被称为为市场平衡点，e点表示钢铁的供需情况平衡的时候，横坐标ｑ表示供需平衡量，纵坐标ｐ代表钢铁市场价格，这个时候供给价格同需求价格相等，价格和产量处于平衡状态，早期我国钢铁供需形势处于e点的平衡状态；而当供应状态不变，需求量增大时，供应曲线s和需求曲线d撇交点为e撇，e撇纵坐标为钢铁需求量增加时的新的价格，横坐标为钢铁需求量．在经济市场经济条件下，任何商品的供求量都对其价格产生非常大的影响，我们可以根据经济学里的供需原理知道，在其他条件不发生变化的时候，一种商品的需求量增加，那么这个商品的价格就一定会升高．钢铁也不例外，它的价格也遵循着市场供需原理，供不应求，价格上涨，供过于求，价格下降．随着我国市场经济体制的逐渐完善，特别是中国加入世界贸易组织以后，钢铁的价格已经与国际市场接轨，价格体制也逐步完善，可以用来进行钢铁的需求价格分析．表2-1是我国粗钢消费量和粗钢产量对照表．从图可以更直观的看到，近年来，我国的粗钢消费量和粗钢产量均呈逐年攀升的走势．表2-1中国粗钢产量、消费量表年份粗钢消费量/万t粗钢产量/万t2001185001550020022310018000200326500203002004295002790020053540032500200641000405002007490004700020085280049500200963900581502010750006310020116550068900201272300742002013800007790020147380082000由表2-1，我们分析出图2-2，钢铁行业呈现出新的、趋势性发展特点．图2-2我国粗钢走势图需求方面，2013年下半年以来，由于下相关行业投资增速明显下降，基础建设业和房地产行业增长规模大幅度收缩，我国钢铁原材料的需求量急剧减少．这意味着我国钢铁行业开始进入阶段性的稳定过渡阶段．有业内专家预计至少五年以内，钢铁行业整体需求增速将进入到低速增长阶段，甚至个别时段还会出现负增长，这必将取代之前高速增长的态势，成为我国新常态经济下钢铁需求的新特点．从过去几年的市场供应形势来看，钢铁需求增速有所下降，可是粗钢产量的增速却没有下降，从而导致了钢铁供需失衡的问题越来越突出．从2014年开始，我国粗钢产量已经由2013年的7.6%左右的快速增长变为下目前3%左右的低速增长．一方面，该现状反映出供应增长正在回落至与需求增长相适应的合理区间；另外也反映了从去年开始钢铁行业固定资产投资增速大幅下降的事实．综上，无论是从需求方面还是从供应方面看，中国钢铁行业已经不具备粗钢产量持续大幅增长的条件．我个人对中国钢铁行业的发展还是抱很大希望的，主要是因为我国仍然处于发展中时期，许多社会基础建设设施不完善，在人们生活水品越来越高的当下，不仅仅是城市中的汽车保有量在不断增加，农村里购买的汽车也如雨后春笋一般，而且增长速度十分的惊人；为了提升生活的品质，农村迁入城镇的人口也同样以可观的速度增加，这也将带动城镇里的房地产行业，公共交通设施，公共娱乐设施的发展，这些将给钢铁业提供一个超级市场的保证，而且我国人口基数大，人们生活的方方面面都会用到钢铁设施，这是其他钢铁大国根本不具备的优势．钢铁价格自发展趋势钢铁工业增长景气指数可以全面地表现出产业的发展状况，我们查阅近几年国家统计年鉴，收集到2010年第1季度到2014年第4季度的我国钢铁工业增长景气指数，并且做出了钢铁工业的增长景气指数图，如图2-3．图2-3钢铁工业增长景气指数走势图（注：数据来源于国家统计年鉴）由图2-3我们可以观察到：从2011年到2014年，钢铁工业增长景气指数均小于100，说明钢铁工业近4年来形势不容乐观；通过比较近几年的平均景气指数，我们可以发现：钢铁行业从2011年第一季度开始进入低迷时期，钢材需求增速明显放缓．钢铁价格的ARMA(p,d,q)模型分析前面，我们对供应关系，钢铁价格自发展趋势等因素进行了分析，从定性的角度对我国钢铁价格走势进行了分析，并对我国钢铁价格现状有了一定程度的了解．本章根据粗钢今年来价格数据分析它以前的走势，预测未来的发展变化趋势．我们用自回归求积移动平均模型(ARMA模型)进行分析，ARMA模型适用于短期预测．下面我们以2009年至2014年各个季度的圆钢价格为代表，进行ARMA模型预测．表3-1圆钢价格行情年份季度品种圆钢（元／吨）年份季度品种圆钢（元／吨）200914256201214595243152463834261343764441044104201014325201314085244632415234762342564498644336201115352201414260251802433035091344024490544308钢铁价格用ARMA(p,d,q)模型的分析我们以2009年至2014年的各季度圆钢价格的数据为样本，通过Eviews7.2软件运用ARMA(p,d,q)模型对我国钢铁价格SP进行分析．首先取钢铁价格SP的对数，组成新的序列，并把它命名为LSP．对LSP做ADF检验．根据图形LSP（见图3-1），取带有时间趋势和常数项和检验形式，当滞后期时，检验方程的AIC和SC值最小，分别为-3.755193和-3.705600.检验结果见表3-2．图3-1LSP的图形图3-2ILSP的图形表3-2序列LSP的ADF结果

t-统计

Prob.*增广迪基-富勒检验统计量-3.181005

0.0029预测的临界值:1%的水平-2.6742905%的水平-1.95720410%的水平-1.608175检验值统计量值是-3.181005，小于显著性水平为10%的临界值-1.608175，所以，序列在单位根，是平稳的．由上面我们得到，非平稳时间序列经过一阶差分后平稳，所以是一阶单整，即．在ARMA模型识别的过程中，主要用到自相关函数(ACF)和偏自相关函数(PACF)取值范围都是从-1到1．偏（自）相关系数接近于1，说明相关性程度很高．见表3-3．表3-3时间序列ILSP的自相关-偏自相关分析图

自相关偏相关PACQ-StatProb***|.|***|.|1-0.405-0.4054.12320.042.|.|.*|.|20.005-0.1914.12370.127.|*.|.|*.|30.1800.1315.02820.170***|.|***|.|4-0.460-0.40811.2220.019.|***|.|*.|50.4280.16917.2320.005.**|.|.*|.|6-0.315-0.152118.9390.004.*|.|.**|.|7-0.161-0.22819.8460.006.|*.|.**|.|80.125-0.33720.4360.009.*|.|.*|.|9-0.190-0.09621.9090.009.|*.|.**|.|100.147-0.25522.8580.011.|*.|.|.|110.0960.00323.3030.016.*|.|.*|.|12-0.099-0.11623.8150.022由表3-3可以看到，ILSP的自相关函数1阶是显著的，因此设定q=1．偏自相关函数在1阶、2阶的时候显著不为零,4阶时也与零有显著的差异性，尝试设置p=2或p=3．于是对序列建立初步的或者模型．对ARMA模型的参数估计利用Eviews软件对模型和的检验结果得到表3-4和表3-5．在这里，对参数t检验显著性水平的限制没有回归方程中的严格，侧重于考虑模型整体的拟合效果．调整后的决定系数R、AIC和SC准则都是选择模型的重要标准．表中最下方提供的是滞后多项式和的倒数根，只有这些值落在单位圆内时，过程才是平稳的．在表3-4和表3-5中可以看出，模型的滞后多项式倒数根落入了单位圆内，满足过程平稳的基本要求，而模型的自回归过程的根落入了单位圆外，不满足过程平稳性的要求．因此，可认为模型是合适的．表3-4ARMA(2,1)模型的参数估计与检验结果

变量系数

标准误差t-统计Prob.C0.0135300.0112901.1983910.2472AR(1)-0.5337000.289943-1.8407060.0832AR(2)0.3345600.2675931.2502600.2281MA(1)1.6656360.5775372.8840340.0103R-squared0.613064Meandependentvar0.000522Loglikelihood48.60084Hannan-Quinncriter.-4.204521F-statistic8.978319Durbin-Watsonstat1.675375EstimatedMAprocessisnoninvertible表3-5ARMA(3,1)模型的参数估计与检验结果

变量系数标准误差t-统计Prob.C-0.0074490.020026-0.3719870.7151AR(1)-0.3911380.237825-1.6446450.1208AR(2)0.1957340.2407980.8128520.4290AR(3)0.4156580.2371011.7530870.1000MA(1)0.9999700.09985310.014390.0000Prob(F-统计)0.085946InvertedARRoots.71-.55-.53i-.55+.53iInvertedMARoots-1.00模型ARMA(2,1)检验如果钢铁价格数据拟合的准确，那么他们的残差就应该是白噪声的过程，换句话说就是不同时间段的残差是不相关的．如果模型的残差在不同时间段的残差是相关的，则说明残差序列还存在有价值的信息没提取出来，需进一步改进原模型．一般情况下注重检验残差序列的随机性，也就是滞后期，残差序列的样本自相关系数应该接近于0．判别残差序列随机与否，要用残差序列检验．检验的零假设为残差序列相互间是独立的．残差序列的自相关函数关系：其中，n是计算的序列观测值,m是最大滞后期．在本文中m取12．检验统计量：在零假设条件下,分布．给定的置信度(这里取值0.1)．如果，就不可以拒绝残差序列互相独立的原假设，检验通过；否则检验无法通过．序列ARMA(2,1)模型的残差序列的自相关与偏相关分析表见3-6．表3-6ARMA（2,1）模型残差序列的自相关-偏相关分析图

自相关偏相关ACPACQ-统计Prob.|*.|.|*.|10.0900.0900.1950.|*.|.|*.|20.0940.0870.4199.|*.|.|*.|30.1070.0930.7276.**|.|.**|.|4-0.302-0.3343.31510.069.|*.|.|*.|50.1210.1853.75740.153.**|.|.**|.|6-0.245-0.2805.69660.127***|.|.**|.|7-0.346-0.2779.81770.044.*|.|.*|.|8-0.075-0.12110.0270.074.*|.|.|.|9-0.1810.02511.3510.078.|.|.*|.|100.024-0.09911.3770.123.|*.|.|*.|110.1800.13912.9440.114.|.|.*|.|12-0.042-0.09413.0380.161表3-6用对第11、12两列来检验，包括Q统计量和检验的相伴概率．这个序列的最大滞后期m的值是12，这时检验统计量Q的值为13.038，prob值为0.161，这说明残差序列的独立性，即白噪声的概率很大，因而接受序列相互独立的原假设，检验可以通过．从自相关分析图我们可以直观地判断出：当m小于12的时候，所有残差序列的自相关系数AC都落到随机区间内，说明残差序列是随机的．对钢铁进行ARMA(2,1,1)模型的短期预测只有先判断预测结果的精度，才能将模型的预测结果用到实践中．我们用下面的统计量来量化预测变量同它对应数据序列的接近程度．变量的平均预测误差平方和(MSE)的定义：；其中，为的预测值，为的实际值，T代表时段数．变量的平均预测误差绝对值(MAE)定义为：；由上可知，和测的是误差的绝对大小，比较判断误差的大小．下面我们依据对钢铁价格来进行短期的预测．预测区间为2009年到2014年．用Eviews预测得下面的结果，如图3-3．图3-3ARMA(2,1)的Static预测方式结果（附表下）图3-3中实线代表的ILECF即为钢铁价格ILSP的预测值，上下两条虚线提供的是2倍标准差的置信区间．Theil的不相等系数是0.091503，说明模型的预测准确性相当好，我们可以从它的分解看出，协方差比例为0.96357，表明模型的预测结果较理想；偏误比例0.019327与方差0.025374都非常小，表明模型较好的模拟了实际序列的波动．由于我们得到的数据是通过钢铁价格的原始数据经对数转化和一阶差分两步变化后所得，我们将预测结果先经过反向1次求和，然后把对数形式转换为原序列SP．得到最后的结果．见表3-7．表3-7我国2015年各季度圆钢价格SP预测结果季度1（2015）2（2015）3（2015）4（2015）SP（元/吨）4356.364392.074407.254421.38我国2015年第一季度的钢铁价格是4543.68元/吨，与上述预测误差为4.30%，由此可见，用ARMA进行钢铁价格预测的精确性是比较好的．结论和建议自2008年的全球经济危机以来，全球经济都走在复苏的路上，这无论是对钢铁行业还是其他行业来说都是一次挑战更是一次机会．钢铁企业提前准确抓住市场咽喉，把握住先机，做出正确决策，对于企业的发展壮大至关重要．2014年下半年中国钢铁行业总体形势趋于良好，钢价有所回升，这不仅仅是依托国家政策的支持和基础设施建设拉动的原因，同时也是钢铁经济缓慢复苏的表现．综合市场经济学和钢铁行业市场发展来看，钢铁价格一路下行的形势会得到抑制，甚至有可能有上升趋势．为解决钢铁价格持续低迷的态势，本人有以下建议：（1）政府应该合理控制钢铁工业生产规模，同时加大对机械业、汽车业、公共服务业、房地产业的扶持力度，改善我国钢铁产能严重过剩、供需失衡的现状，从而抑制钢铁价格持续走低的不利形势．（2）钢企要加强管理模式创新，探索混合所有制，不断优化管理体制机制，鼓励科研创新，实现从制造到智造的升华．（3）金融行业应继续降低贷款门槛，搞活房地产市场，从而拉动钢铁需求．（4）政府要加大管控力度，对高耗能，高污染，低产能的企业绝不留情，坚决淘汰．（5）提高钢铁行