浅析指数曲线模型在我国石油需求中的应用.doc

《浅析指数曲线模型在我国石油需求中的应用.doc》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、浅析指数曲线模型在我国石油需求中的应用摘要：文章以1978～2005年我国石油消费量的历史数据为基础，根据其趋势图拟合出现实的指数曲线回归，对其参差序列应用时间序列进行分析和识别，建立起适合我国石油需求预测的指数回归—ARMA（1,1）模型。结果表明此模型具有简单快捷、预测精度高的特点，可以满足实际预测需要。　　关键词：指数回归；ARMA模型；石油需求预测　　　　一、引言　　　　在所有的能源类别中，石油一直是全球消费比例最高的能源。由于经济飞速发展，在全球能源形势日趋紧张的严峻对局中，中国对石油的需求急剧增多。目前，中国已成为世界上石油需求增长最快的国家。随着国民经济的持续高速发展，我国的

2、石油消费量逐年增加，2002年达到2.457亿吨，成为继美国之后的第二大石油消费国。2004年中国石油进口超过日本成为全球仅次于美国的世界第二大石油进口国，石油对外依存度有增无减。据资料显示，2004年生产原油1.75亿吨，进口1.2亿吨，原油对外依存度达到40％。按目前进口的增长速度来看，明年中国石油进口的依存度将高达50％。但相比石油消费，中国的石油生产却增速缓慢，供需矛盾日益突出。近十年来，中国国内生产总值平均增长9.7％，石油需求年增长为5.77％，而国内石油生产年均增长仅为1.67％。随着对石油需求量的快速增长，我国石油供需失衡程度将呈现日益严重的态势。为此，建立准确有效的石油需

3、求模型，对石油需求量进行及时、准确测算，对制定我国的能源战略具有很重要的现实意义。　　石油需求预测一直以来都受到广大学者的广泛关注，常用的预测方法主要有：回归分析法、能源消耗弹性系数法、灰色预测法、时间序列方法以及神经网络方法等。本文以历年石油消费数据为出发点，通过其趋势图形拟合出与之相似的指数回归曲线，消除了原序列的长期趋势，然后假设其残差序列为一平稳过程，根据刻画时间序列的自相关和偏相关函数来最终确定ARMA模型的具体形式，最后得到适合我国石油需求数据特征的指数回归—ARMA（1，1）预测模型。　　　　二、模型识别　　　　考虑到我国石油需求量的真实数据没法准确的测算，所以在数据处理中用

4、每年的石油具体消费量代替石油需求量，显然这种数据处理方法是合理地，其具体数据如表1。　　3　　从石油消费量序列趋势图可以看出，我国的石油消费量一直呈上升的趋势，近似一条指数曲线，在对石油消费量序列进行一阶差分，差分结果显示石油消费量差分序列的年净增长数总体上呈现出一种上升的趋势，但在1988~1990年、1997~1998年和2004~2005年的这三阶段我国的石油消费却出现了下滑，这是与我国当时宏观经济形势密切相关的。自从1990年以来我国经济步入快车道，随着经济的强劲增长，石油消费量也保持较快增长，1990~1997年我国石油消费量平均保持6％的增长速度。1997~1998年亚洲金融危

5、机对我国的经济造成很大影响，同时石油消费也在一定程度上得到了抑制。从1998年扭转了金融危机的影响以来，石油消费的增长则更加迅速。2002到2004三年间，我国石油消费增长近7000万吨，但2005年由于国际石油价格的大幅上升，导致石油及相关产品的价格明显上涨，为了降低成本，更多的选择替代产品，如煤炭和天然气等能源，这样就抑制了石油的消费快速增长。　　对石油序列的一阶差分序列进行了分析后，下面利用计量经济学软件对原序列和一阶差分序列进行自相关和偏相关检验。从检验结果可知：石油消费序列的自相关系数没有很快趋于零，说明序列是非平稳的，所以不能直接对原始序列建立ARMA（p，q）模型进行回归。虽

6、然可以考虑利用一阶差分消除原始序列的趋势，但是一阶差分后得到的结果表明，一阶差分后的序列仍然是非平稳的。虽然可以通过二阶差分得到平稳的时间序列，但经验告诉我们，差分法存在明显的缺点，高阶差分虽然能消除某些序列的趋势而易于建模，但是也消除了原序列的长期特征，从而造成了大量的信息损失。所以考虑利用与原始序列趋势近似的指数曲线来拟合原序列的趋势，其拟合结果如下：　　LOG（OD）=8.471149312+0.05246892536*T+Ut（1）　　其中Ut为残差序列，从残差Ut的散点图可以看出，其残差序列基本上为一平稳序列。进一步观察其偏相关图，偏相关系数在滞后一期时明显不为0，在k>2

7、以后都落入到95％置信区间内，说明序列的偏相关函数具有截尾性，所以p可以取1或2；从自相关系数可知，自相关系数在滞后一期明显不为0，所以q可以选择1和2，综上所述对残差序列可以建立ARMA（1，1）、ARMA（1，2）、ARMA（2，1）和ARMA（2，2）四种模型进行预测。　　　　三、模型的建立　　　　通过上述模型的识别，我们确立了基本指数回归－ARMA（p，q）的我国石油需求预测模型，其基本形式如下：　　LOG（OD