金融危机对我国电力需求影响的分析及预测

《金融危机对我国电力需求影响的分析及预测》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、金融危机对我国电力需求影响的分析及预测----基于干预模型和神经网络厦门大学赵裕辉、刘谢冰、魏永新目录一、引言2二、我国用电需求与宏观经济的关系31先导作用的验证32.用电需求与各类产业的相关性分析3三、有关近期用电量和宏观经济数据（GDP）的分析4四、指数-ARMA干预模型的分析和预测41ARMA模型原理42指数-ARMA模型的识别43干预模型的构建4五、基于神经网络的预测模型优化41神经网络的原理42神经网络对预测模型的优化4六、结束语4参考文献：4[摘要]200811年全球金融危机爆发后，我国用电量的时间序列出现明显违背趋势的波动，并与宏观经济指

2、标相背离。针对这种现象，本文基于2001年以来的季度时间序列建立指数-ARMA（1,1）模型进行拟合，并结合干预模型和神经网络方法来对此特殊时期的用电量进行时间序列分析和预测。结果取得了较好的预测效果，发现金融危机对我国的电力需求和宏观经济不仅产生了冲击性影响，并且由此引发的通货膨胀也产生了持续的影响。[关键词]电力需求金融危机ARMA模型通货膨胀[ABSTRACT]Sincetheoutbreakofthe2008globalfinancialcrisis,thetimeseriesdataofelectricityconsumptioninChin

3、aexhibitunusualfluctuationsagainsttrend,andmoveagainstthatoftheMacro-economicindex.Thispapermanagestoconstructaexponential-arma(1.1)modeltofitthetimeseriesdataofelectricityconsumptioncombinedwithinterventionmodelandneuralnetworks,thusbeingabletoproperlyanalyzeandpredictthetrend.

4、Itturnsoutthatnotonlythefinancialcrisishasanabrupteffectonpowerdemandandeconomy,butthesubsequentinflationresultedfromthatalsoimposesalastingimpact.[KEYWORDS]PowerDemandFinancialCrisisARMAModelInflation一、引言2008年以雷曼兄弟公司破产为标志的全球金融危机爆发至此将近三年的时间，此次危机的爆发给中国实体经济领域带来了巨大的影响，这种影响会随着时间呈链条式

5、蔓延。而电力行业作为具有先行性的基础性产业，关乎着国民经济的命脉，因此电力需求预测也一直受到广大学的极大关注。现在正处于金融危机爆发后的三年，是对电力需求分析建立干预模型的最佳时期，电力需求的预测结果将会对国民经济各产业的发展具有极为重要的指导性作用。因此，早在二十世纪七十年代末国际学术界就关于能源消费与经济增长之间因果关系，进行了大量的实证研究。而目前国内，近期的相关研究也比较多：曲德巍、孙琳（2007）从索洛模型的角度研究了电力消费对经济增长的影响，结果发现我国电力消费对经济增长的贡献率接近64%。林伯强（2003）在生产函数模型的基础上运用协整分

6、析和误差修正模型研究中国电力消费与经济增长的关系，其实证结果表明GDP、资本、人力资本以及电力消费存在长期均衡关系。总之，我国作为一个高耗能产业众多、第二产业比重接近50%的制造业大国，电力消费量与国民经济必然联系较紧密（基于1996~2000年数据，我国第二产业增加值的电耗系数在0.4千瓦时/元左右，第一产业为0.075~0.1千瓦时/元，第三产业0.08~0.1千瓦时/元【1】），对国民经济发展的反映作用自然不容忽视；并且相对于计算程序复杂、受统计方法和数据来源影响较大的GDP、GNP等传统宏观经济指标，用电量是比较准确的，人为操纵的可能性较小。各

7、级政府和机构也因此越来越注重观察使用电量来掌握宏观经济的实际运行状况。目前，电力需求预测的方法主要有：回归分析法、时间序列方法、专家预测发、模糊预测法等等。这些模型在数据处理上和预测精度上都有各自的优缺点，实际工作中也得到了较广泛的应用。本文对电力需求的预测是建立在金融危机爆发的三年后这一特殊的经济环境背景下，并采用指数-ARMA（1,1）模型进行拟合，通过干预模型和神经网络两种方法从两个角度剖析电力需求受金融危机影响后的变化情况，在指数-ARMA干预模型预测结果的基础上，再结合神经网络方法对残差部分进行训练和预测，可融合各自模型的优点，降低预测误差，

8、11优化预测结果，使预测精度更为精确，更能把握宏观实体经济的变化，为国民经济各产业提供更为精确