基于arima模型的油田a類物資市場價格預(yù)測研究

基于arima模型的油田a類物資市場價格預(yù)測研究

0時間序列法在油田類物資市場價格預(yù)測中應(yīng)用的現(xiàn)狀近年來，隨著油田高鹽期的到來，中國大部分油田處于開發(fā)階段。隨著物質(zhì)采購成本的巨大增加，材料類型的多樣性和復(fù)雜性，以及降低貨物采購成本成為油田公司的主要戰(zhàn)略方向。而對于物資市場價格的高精度預(yù)測，能夠直接有效地降低油田物資的采購成本，為油田物資采購部門戰(zhàn)略性采購計劃的制定和實施提供決策支持(1)協(xié)助采購部門了解物資的市場行情，把握價格的變化趨勢，制定合理的采購計劃，增強采購計劃對采購的指導(dǎo)性，把握較低的采購價格點，從而直接節(jié)省采購成本。(2)在與供應(yīng)商的價格博弈中，能夠結(jié)合實際市場情況，以預(yù)測的價格作參考，制定合理的采供雙方都能接受的采購價格，保證采購質(zhì)量，實現(xiàn)與供應(yīng)商之間的雙贏。目前價格預(yù)測的方法主要分為定性分析法(如經(jīng)驗法)和定量分析法(因果回歸法、時間序列方法及神經(jīng)網(wǎng)絡(luò)方法等)。這些方法或關(guān)注市場價格與相關(guān)市場要素的關(guān)系、或發(fā)掘市場價格自身的變化特點，有各自的使用范圍和優(yōu)勢。通過相關(guān)調(diào)研，我們發(fā)現(xiàn)，時間序列法在油田類物資市場價格預(yù)測中的應(yīng)用尚有較大的研究空間:(1)市場價格預(yù)測的必要性和合理性。市場價格預(yù)測在油田物資采購價格管理中研究較少，物資采購價格主要是采購人員根據(jù)歷史采購價格、招投標(biāo)價格以及同供應(yīng)商協(xié)商等方法確定，缺乏對市場價格變動以及和供應(yīng)商博弈價格的預(yù)測和分析，主觀因素過重，不能及時反映市場價格波動情況。(2)目前基于時間序列方法的油田采購物資價格預(yù)測工作相對較為分散，缺乏一套完整的建模方法和詳細(xì)的操作流程對模型的擬合、檢驗、預(yù)測、評價、動態(tài)反饋等環(huán)節(jié)進行說明和規(guī)范。同時，考慮到油田生產(chǎn)涉及到的物資品種多達幾千種，并且每種物資價格變化趨勢以及影響因素都有差異。因此，對于采購部門，要掌握和分析所有原材料的價格變化趨勢，是一項非常龐大的工作。為解決這一問題，本文結(jié)合ABC分類法，將占有較大采購成本的物資品種定為A類，主要對該類物資價格進行預(yù)測分析，提高其價格預(yù)測的精確度，從而有效節(jié)省采購成本。綜上所述，考慮到影響物資市場價格的因素具有多樣性及復(fù)雜性的特征，我們選擇從物資市場價格本身發(fā)掘信息，兼顧預(yù)測精度和操作復(fù)雜度，運用時間序列方法構(gòu)建了針對油田A類物資的市場價格預(yù)測模式，并將該模式應(yīng)用于大慶油田采購物資中的小螺紋鋼(20-HRB335)，預(yù)測結(jié)果得到了大慶油田物資采購管理部門的肯定和好評。本文第2部分首先介紹油田A類物資的概念和基本的ARIMA模型。第3部分詳細(xì)闡述物資價格預(yù)測模式的架構(gòu)。第4部分以大慶油田A類采購物資中的小螺紋鋼(20-HRB335)為例，選擇天津、石家莊和沈陽3個產(chǎn)地的市場價格進行實證分析，預(yù)測效果得到大慶油田物資信息中心的認(rèn)可。第5部分為結(jié)論部分，對該預(yù)測方法的運用進行總結(jié)，并給出了改進建議。1基本總結(jié)1.1物資品種分類意大利經(jīng)濟學(xué)家Vilfredo·Pareto在調(diào)查19世紀(jì)意大利米蘭城市的社會財富狀況時提出了ABC分類方法。即將倉庫管理中利潤高的物資劃分為A類，實行重點管理;而將利潤低的物資品種劃為B類，實行一般管理;剩余的一部分物資品種分為C類，根據(jù)情況可以實行重點管理，也可以實行一般管理。分類如表1所示。油田采購物資的種類多達上千種，甚至同種物資還具有多種不同的規(guī)格和型號。大慶油田物資采購部門要掌握和分析所有的原材料價格的變化趨勢，其工作量是非常龐大的。但實際情況中只有少數(shù)品種價值高、需求量大的物資品種，構(gòu)成倉庫利潤的主要部分。而大多數(shù)品種價值低、需求量小的物資品種，只構(gòu)成倉庫利潤極小部分。因此，我們在ABC分類法的基礎(chǔ)上，對油田采購物資進行分類，將倉庫中數(shù)量上僅占20%而采購成本上卻占總體的80%的物資品種定位A類，主要分析預(yù)測該類物資的市場價格。2.2yt的arras模型由Box和Jenkins于上世紀(jì)70年代提出的ARIMA模型(即自回歸移動平均模型)，經(jīng)過近幾十年的發(fā)展已經(jīng)成為理論基礎(chǔ)堅實、應(yīng)用領(lǐng)域廣泛的統(tǒng)計方法之一。本文將選擇該模型構(gòu)建油田采購物資的市場月度價格預(yù)測模式。ARIMA(p,d,q)模型的基本形式如下:設(shè)yt為d階單整序列，即yt～I(d)。記Δ為差分算子，B為滯后算子，則其中ωt為平穩(wěn)序列，即ωt～I(0)。則對yt的ARIMA(p,d,q)模型，等價于對ωt建立ARIMA(p,q)模型用滯后算子B表示，則有Φ(B)=Φ(B)(1-B)dyt=c+Θ(B)εt(3)其中Φ(B)=1-ue7881B-ue7882B2-…-ue788PBp，Θ(B)=1+θ1B+θ2B2+…+θqBq(4)對于帶有季節(jié)因素的非平穩(wěn)序列，在進行d階逐期差分變?yōu)槠椒€(wěn)序列后，還應(yīng)進行季節(jié)差分，排除季節(jié)因素的影響。則上述ARIMA(p,d,q)模型可修改為ARIMA(p,d,q)(P,D,Q)s，記為其中P為季節(jié)自回歸階數(shù)，Q是季節(jié)移動平均階數(shù)，ΦP(Bs)為季節(jié)P階自回歸算子，ΘQ(Bs)為季節(jié)Q階移動平均算子。差分平穩(wěn)序列(1-B)d(1-Bs)Dyt建模時，階數(shù)P和Q的取值可能為0。2預(yù)測模式框架基于ARIMA基本模型，我們對油田A類物資的月度市場價格進行分析和預(yù)測，構(gòu)建如下預(yù)測模式框架，其主要包括兩大模塊:樣本集模塊和ARIMA模塊(見圖1)。2.1年度市場預(yù)測價格該模塊主要功能包括:為ARIMA模塊提供樣本集信息輸入，及預(yù)測樣本集的動態(tài)更新。定義樣本集大小為N，樣本量為12N。記mpi,j為物資年度i第j月的市場價格實際值，fpi,j為市場價格預(yù)測值，則年度i的實際月度價格為MPi={mpi,1,mpi,2，…，mpi,12}。不失一般性，現(xiàn)假設(shè)以年度i至年度i+N–1的實際市場月度價格為樣本值，對年度i+N各月市場價格進行預(yù)測，則預(yù)測樣本集為Samplei={MPi,MPi+1，…，MPi+N-1}，|Samplei|=12N，年度i+N各月預(yù)測價格為FPi+N={fpi+N,1,fpi+N,2，…，fpi+N,12}。當(dāng)年度i+N各月的實際市場價格MPi+N={mpi+N,1,mpi+N,2，…，mpi+N,12}已知，將其更新至樣本數(shù)據(jù)集中，即Samplei→Samplei+1。2.2模型的構(gòu)建和檢驗該模塊的主要功能為:(1)基于預(yù)測樣本模塊所提供的樣本數(shù)據(jù)，進行價格預(yù)測;(2)基于預(yù)測效果對該預(yù)測模型相關(guān)參數(shù)進行反饋和調(diào)整。結(jié)合對油田采購物資數(shù)據(jù)的處理，我們介紹ARIMA預(yù)測模塊的分析方法如(圖2):(1)數(shù)據(jù)預(yù)處理:在建立模型前有必要對價格趨勢曲線的整體形態(tài)進行分析，完成數(shù)據(jù)預(yù)處理，提高預(yù)測模型的準(zhǔn)確度。通過作圖分析小螺紋鋼(20-HRB335)各個產(chǎn)地的市場報價，我們發(fā)現(xiàn)其價格具有上升的整體趨勢和一定的季節(jié)特征，并在2008年具有較大的價格波動。(2)確定模型階數(shù):在對價格序列建模之前，應(yīng)首先判斷該價格序列的平穩(wěn)性。我們使用ADF檢驗方法，通過判斷序列是否存在單位根來檢驗價格序列的平穩(wěn)性。如果序列通過ADF檢驗，則為平穩(wěn)序列，否則，需對序列進行差分變換。其次，通過計算自相關(guān)系數(shù)AC和偏自相關(guān)系數(shù)PAC繼續(xù)確定參數(shù)p和q。(3)模型擬合和檢驗:我們使用最小二乘法(OLS)來估計模型中的未知參數(shù)。其中模型的檢驗包括:a)系數(shù)檢驗:采用t檢驗考察參數(shù)的顯著性;b)殘差檢驗:采用LM檢驗考察殘差序列的相關(guān)性和平穩(wěn)性(結(jié)合相關(guān)圖和Q統(tǒng)計量);c)模型平穩(wěn)性檢驗:通過計算ARIMA(p,d,q)的特征根檢驗其平穩(wěn)性。如果模型通過了上述各項檢驗，我們認(rèn)為所構(gòu)造模型較好地反映了該類物資在某段時期內(nèi)的市場月度價格變化規(guī)律，可以用來進行價格分析和預(yù)測。否則需要對該模型重新進行調(diào)整。(4)預(yù)測和預(yù)測評價，其中評價指標(biāo)主要包括:a)平均相對誤差(MPE);b)均方誤差(MSE)分解得到的偏倚比例(BiasProportion)、方差比例(VarianceProportion)和協(xié)方差比例(CovarianceProportion)。3市場月期制度預(yù)測模型我們以大慶油田物資集團A類采購物資中的小螺紋鋼(20-HRB335)為例，分別使用2004年1月至2011年12月3個不同報價地的市場月度價格數(shù)據(jù)進行預(yù)測建模。考慮到采購區(qū)域的分散性，分別選擇天津、石家莊和沈陽。以2004年1月至2010年12月的價格數(shù)據(jù)為樣本，預(yù)測2011年各月的市場價格，并與2011年各月價格的實際值進行比較。3.1模型擬合與預(yù)測通過對天津市場的小螺紋鋼(20-HRB335)2004年至2010年的月度價格進行分析，我們發(fā)現(xiàn)除在2008年有較大上漲幅度，2008年和2009年間出現(xiàn)回落外，其總體呈上升趨勢，其中每年8月份左右價格達到全年價格最高點，序列中既有長期上升趨勢又有季節(jié)波動。對該序列擬合不含常數(shù)項的ARIMA(1,1,2)(1,1,1)12模型:在擬合過程中去掉了系數(shù)不顯著的滯后1階移動平均項，得到預(yù)測模型(MODEL＿TJ)該模型通過了各項統(tǒng)計檢驗，系數(shù)顯著(10%的置信水平)，殘差序列不存在序列相關(guān)性且滿足平穩(wěn)性假設(shè)，ARIMA模型平穩(wěn)。使用該模型靜態(tài)預(yù)測了2011年全年的市場月度價格，平均相對誤差為2.13%。模型的偏倚比例、方差比例和協(xié)方差比例分別為0.0262、0.0270和0.9469。模型預(yù)測效果較理想且可靠。3.2模型擬合與預(yù)測通過對石家莊市場的小螺紋鋼(20-HRB335)2004年至2010年的月度價格進行分析，擬合不含常數(shù)項的ARIMA(1,1,1)(1,1,1)12模型:在擬合過程中去掉了系數(shù)不顯著的滯后1階移動平均項，得到預(yù)測模型(MODEL＿SJZ)該模型通過了各項統(tǒng)計檢驗，系數(shù)顯著(5%的置信水平)，殘差序列不存在序列相關(guān)性且滿足平穩(wěn)性假設(shè)，ARIMA模型平穩(wěn)。使用該模型靜態(tài)預(yù)測了2011年全年的市場月度價格，平均相對誤差為1.64%。模型的偏倚比例、方差比例和協(xié)方差比例分別為0.0464、0.0381和0.9155。模型預(yù)測效果較好且可靠。3.3模型擬合及預(yù)測檢驗通過對沈陽市場的小螺紋鋼(20-HRB335)2004年至2010年的月度價格進行分析，擬合不含常數(shù)項的ARIMA(1,1,2)(1,1,1)12模型:在擬合過程中去掉了系數(shù)不顯著的滯后1階自動回歸項，1階移動平均項，季節(jié)自動回歸項，得到預(yù)測模型(MODEL＿SY)該模型通過了各項統(tǒng)計檢驗，系數(shù)顯著(5%的置信水平)，殘差序列不存在序列相關(guān)性且滿足平穩(wěn)性假設(shè)，ARIMA模型平穩(wěn)。使用該模型靜態(tài)預(yù)測了2011年全年的市場月度價格，平均相對誤差為1.82%。模型的偏倚比例、方差比例和協(xié)方差比例分別為0.0839、0.1697和0.7364。4時間序列分析的局限性基于ARIMA構(gòu)建的油田A類物資市場價格預(yù)測模式為油田類企業(yè)預(yù)測分析物資市場價格的變化提供了借鑒，有助于信息采購部門及時掌握物資市場價格變化趨勢，從而制定合理的物資采購策略，有效降低物資采購成本。在該模式的指導(dǎo)下，小螺紋鋼(20-HRB335)3個產(chǎn)地(天津、石家莊和沈陽)的預(yù)測平均相對誤差分別控制在2.13%,1.64%和1.82%，結(jié)果得到大慶油田物資公司信息部門的肯定。然而，該預(yù)測模式及模型仍存在改進的空間:(1