秦皇島煤炭價格影響因素及預(yù)測研究

王海運，陳夢潔，洪欣琪

（安徽財經(jīng)大學(xué)，安徽 蚌埠 233000）

引言

我國煤炭的消耗量一直以來居于能源消耗首位，煤炭在短期內(nèi)會一直是我國不可替代的主體能源，因此煤炭行業(yè)的穩(wěn)健發(fā)展十分重要。此外煤炭行業(yè)的發(fā)展關(guān)系到使用煤炭作為能源的各行各業(yè)，同樣關(guān)系到國家能源結(jié)構(gòu)是否可以得到有效調(diào)整。為了更好地研究煤炭業(yè)發(fā)展現(xiàn)狀，使用煤炭價格作為反映煤炭業(yè)發(fā)展情況的指標(biāo)，通過預(yù)測煤炭價格的走勢分析煤炭業(yè)發(fā)展?fàn)顩r，提出煤炭業(yè)目前存在的問題以及相應(yīng)的建議。煤炭的價格受到很多因素的影響，且價格的波動較大，自2012年開始，煤炭價格出現(xiàn)了下跌的趨勢，在2017年后價格又趨于穩(wěn)定。

煤炭價格的影響因素有很多，王延偉等基于供求理論將煤炭價格影響因素分為內(nèi)部供需影響因素和市場外部影響因素，研究煤炭價格走勢與影響因素之間的關(guān)系[1]。王仕忠構(gòu)建煤炭價格影響因素層次體系，結(jié)合供需關(guān)系探究影響煤炭價格的根本因素[2]。朱吉茂從供需、價值、進(jìn)口和政策四個方面分析了煤炭價格的影響因素，基于影響因素對長期煤炭價格進(jìn)行了預(yù)測[3]。袁顯平等基于供給、需求、運輸和庫存的視角，結(jié)合VAR模型與格蘭杰因果檢驗對煤炭價格的影響因素進(jìn)行了研究[4]。可以發(fā)現(xiàn)現(xiàn)有文獻(xiàn)大都基于供求理論對煤炭價格影響因素進(jìn)行探究，很少有研究結(jié)合宏觀數(shù)據(jù)以及調(diào)控政策探究煤炭價格的影響因素，綜合考慮各種影響因素可能會使煤炭價格的預(yù)測更加準(zhǔn)確。

關(guān)于煤炭價格預(yù)測方面，王廣成等采用隨機序列線性模型對煤炭價格進(jìn)行預(yù)測，但是該模型只可以用于短期預(yù)測，進(jìn)行長期預(yù)測時會出現(xiàn)較大的誤差[5]。為了對煤炭價格進(jìn)行長期預(yù)測，王喜蓮建立了煤炭價格函數(shù)，使用IPO定理進(jìn)行求解，再結(jié)合計算機VC語言進(jìn)行編程，對陜西省煤炭價格進(jìn)行了預(yù)測，但是該方法的使用范圍具有局限性，很難處理數(shù)據(jù)多的情形[6]。許晴等使用了基于因素分析的向量機模型對煤炭價格進(jìn)行預(yù)測，研究結(jié)果表明該模型的預(yù)測效果較好，但是該方法不能考慮多種影響因素[7]。李朋林等使用BP神經(jīng)網(wǎng)絡(luò)對煤炭價格建模，預(yù)測結(jié)果表明預(yù)測精度較高，適合使用該模型對煤炭價格進(jìn)行預(yù)測[8]，但是該模型沒有考慮突發(fā)事件對煤炭價格的影響。

目前對煤炭價格的研究，已有的文獻(xiàn)大都單一地研究影響因素或者單一地進(jìn)行煤炭價格預(yù)測，將影響因素對煤炭價格預(yù)測結(jié)合的研究較少，還沒有學(xué)者研究出在二者結(jié)合的基礎(chǔ)上加入突發(fā)事件對煤炭價格結(jié)構(gòu)性變化預(yù)測模型。

一、影響因素分析

通過對經(jīng)濟意義分析和眾多文獻(xiàn)的參考初步選定了以下14個對煤炭價格產(chǎn)生影響的因素：國內(nèi)生產(chǎn)總值（GDP）、第二產(chǎn)業(yè)增加值（aos）、第二產(chǎn)業(yè)固定資產(chǎn)投資完成額累計值（aoc）、燃料動力類工業(yè)生產(chǎn)者購進(jìn)價格指數(shù)（PPP）、消費者信心指數(shù)（CCI）、煤及褐煤出口額（cle）、公路水路運輸業(yè)全社會固定資產(chǎn)投資完成額累計值（ic）、居民消費價格指數(shù)（CPI）、公共預(yù)算支出（pbe）、公共預(yù)算收入（pbr）、稅收收入（tax）、貨幣供應(yīng)量（M2）、城鄉(xiāng)收入差距（uig）和恩格爾系數(shù)（eng），數(shù)據(jù)來源于中經(jīng)網(wǎng)統(tǒng)計數(shù)據(jù)庫、國泰安數(shù)據(jù)庫、海關(guān)總署官網(wǎng)數(shù)據(jù)庫和中華人民共和國交通運輸部官網(wǎng)數(shù)據(jù)庫。

國內(nèi)生產(chǎn)總值（GDP）：國內(nèi)生產(chǎn)總值的提高代表著對能源有更大的需求，所以選擇國內(nèi)生產(chǎn)總值作為煤炭價格的影響因素。

第二產(chǎn)業(yè)增加值（aos）：第二產(chǎn)業(yè)發(fā)展與能源消費密切相關(guān)。煤炭是第二產(chǎn)業(yè)的關(guān)鍵產(chǎn)能，因此將第二產(chǎn)業(yè)增加量作為影響煤炭價格的關(guān)鍵因素。

第二產(chǎn)業(yè)固定資產(chǎn)投資完成額累計值（aoc）：固定資產(chǎn)投入產(chǎn)生的成本與產(chǎn)能之間的矛盾，對能源價格以及行業(yè)發(fā)展都會產(chǎn)生深遠(yuǎn)的影響。因此引入第二產(chǎn)業(yè)固定資產(chǎn)投資完成額累計值作為影響煤炭價格的主要因素。

燃料動力類工業(yè)生產(chǎn)者購進(jìn)價格指數(shù)（PPP）：當(dāng)指數(shù)高于同期工業(yè)生產(chǎn)者出廠價格指數(shù)時，表明企業(yè)經(jīng)營壓力增加，利潤空間被進(jìn)一步壓縮。

消費者信心指數(shù)（CCI）：綜合反映并量化消費者對目前經(jīng)濟走勢的預(yù)測評判和對未來收入及消費心理狀態(tài)的主觀感受。

煤及褐煤出口額（cle）：煤炭作為資源型物資,維持著一個國家基建運轉(zhuǎn)生產(chǎn)，所以煤及褐煤出口額的變動影響煤炭價格的變動。

公路水路運輸業(yè)全社會固定資產(chǎn)投資完成額累計值（ic）：我國煤炭運輸?shù)姆绞接泻芏喾N，基本上依靠公路和水路運輸，當(dāng)其中固定資產(chǎn)投入較多時會更加便捷地降低成本，對煤炭價格產(chǎn)生影響。

居民消費價格指數(shù)（CPI）：消費者物價指數(shù)水平不僅反映消費者的購買能力，與國民生產(chǎn)水平反映經(jīng)濟水平波動類似，影響煤炭價格。

公共預(yù)算支出（pbe）：公共財政支出能夠提供資金支持，特別是基于第二產(chǎn)業(yè)的行業(yè)屬性。政府的支持對行業(yè)的發(fā)展進(jìn)步促進(jìn)作用明顯，更是對能源價格有著顯著的影響。

公共預(yù)算收入（pbr）：煤炭產(chǎn)業(yè)所產(chǎn)生的關(guān)鍵問題便是污染問題，政府通過調(diào)整公共預(yù)算收入能夠影響煤炭產(chǎn)量進(jìn)而影響煤炭價格。

稅收收入（tax）：當(dāng)政府對煤炭企業(yè)征稅時，企業(yè)可用于生產(chǎn)的資金減少，產(chǎn)量下降，必然對其價格產(chǎn)生影響。稅收作為政府的財政政策，聯(lián)動影響力較大，所以政府對稅收的調(diào)整較為慎重。

貨幣供應(yīng)量（M2）：一國在某一時期內(nèi)為社會經(jīng)濟運轉(zhuǎn)服務(wù)的貨幣存量可能對煤炭價格產(chǎn)生影響，貨幣供給量增加會導(dǎo)致居民消費增加，因此廠商會增加生產(chǎn)，從而導(dǎo)致煤炭消耗量增加。

城鄉(xiāng)收入差距（uig）：衡量我國城鎮(zhèn)居民收入與農(nóng)村居民收入之差，是制約經(jīng)濟均衡發(fā)展的關(guān)鍵因素。其計算公式為uig=Ic-In，其中，Ic代表城市居民收入水平，In代表農(nóng)村居民收入水平。

恩格爾系數(shù)（eng）：恩格爾系數(shù)為食品支出占總消費支出的比例，隨收入變化而變化，其計算公式為：恩格爾系數(shù)=（食品支出總額/家庭或個人消費支出總額）*100%，一般恩格爾系數(shù)與家庭生活貧困程度呈反比。

二、模型的建立

（一）煤炭價格數(shù)據(jù)說明

秦皇島是全球最大的煤炭輸出港口，選取2006年7月—2020年4月的秦皇島港動力煤周度價格進(jìn)行預(yù)測，圖1為秦皇島港動力煤周度價格的波動曲線。從圖1可以看出煤炭價格在2015年以前的波動較大，在2017年過后價格逐漸趨于平穩(wěn)。因此現(xiàn)階段對煤炭價格進(jìn)行預(yù)測，能夠更好地貼合未來的實際價格，研究具有實際意義。

圖1 秦皇島動力煤周度價格曲線

（二）灰色關(guān)聯(lián)度及相關(guān)系數(shù)選取影響煤炭價格的指標(biāo)

為了能更好地預(yù)測煤炭價格，將同時考慮灰色關(guān)聯(lián)度[9]γ關(guān)聯(lián)度和相關(guān)系數(shù)γ相關(guān)系數(shù)，建立綜合系數(shù)γ，通過γ值的排序，選取關(guān)聯(lián)度最高的10個指標(biāo)作為煤炭價格的影響因素，綜合系數(shù)γ形式為：

各指標(biāo)的γ值見表1。

表1 各指標(biāo)的γ值

根據(jù)該綜合系數(shù)γ值的排序選取了最為重要的10個指標(biāo)作為煤炭價格的影響因素，并對指標(biāo)進(jìn)行分類，見圖2。

圖2 煤炭價格影響因素及其分類

通過得到的影響因素指標(biāo)可以看出，煤炭價格受多種因素影響，這些影響可以分成宏觀經(jīng)濟類、調(diào)控政策類以及生活水平三類。通過綜合系數(shù)γ值發(fā)現(xiàn)煤炭價格受到宏觀經(jīng)濟的影響最大，且煤及褐煤出口額的綜合系數(shù)γ值最大，說明煤炭出口價格與國內(nèi)煤炭價格聯(lián)系緊密。此外調(diào)控政策和生活水平都對煤炭價格產(chǎn)生影響，調(diào)控政策中的貨幣發(fā)行量與煤炭價格的關(guān)聯(lián)度最高，生活水平中的居民消費價格指數(shù)與煤炭價格的關(guān)聯(lián)度最高，這兩者都會導(dǎo)致消費者的消費增加，這樣會使廠商的生產(chǎn)增加，從而導(dǎo)致煤炭的消耗量增加。

（三）因子分析

因為選取的影響因素比較多，需通過因子分析在許多變量中找出隱藏的具有代表性的因子。使用降維技術(shù)將相同本質(zhì)的變量歸入一個因子，對存在多重共線性的變量進(jìn)行因子提取，然后對因子變量進(jìn)行回歸模型的建立，解決由于多重共線性而造成偽回歸方程的問題[10]。為了檢驗因子分析是否可用，對指標(biāo)進(jìn)行了KMO檢驗和Bartlett球形檢驗，結(jié)果見下表2。

表2 KMO檢驗和Bartlett球形檢驗

由KMO檢驗和Bartlett球形檢驗結(jié)果得出：KMO檢驗值為0.795，適合做因子分析；Bartlett球形檢驗結(jié)果值為125.112286，且其對應(yīng)的相伴概率值為0，小于0.01，應(yīng)拒絕零假設(shè)H0，認(rèn)為相關(guān)系數(shù)不可能是單位陣，即原始變量間存在相關(guān)性。兩項結(jié)果均顯示適合做因子分析。

對因子提取和因子載荷矩陣求解，首先將原有變量數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，然后計算變量的簡單相關(guān)系數(shù)矩陣R，最后求相關(guān)系數(shù)矩陣R的特征值λ和單位特征向量μ。

因子分析利用上述P個特征值λ和P個單位特征向量μ，并在此基礎(chǔ)上計算因子載荷矩陣：

根據(jù)特征值和因子的累計方差貢獻(xiàn)率確定因子數(shù)，選取前k個因子的因子載荷矩陣，結(jié)果如表3。

表3 因子的累計方差貢獻(xiàn)率

由方差的百分比可得，前三個因子的百分比貢獻(xiàn)已經(jīng)超出了80%，達(dá)到了85.660%，因此可以說明這三個因子包含了第二節(jié)指標(biāo)中的絕大部分信息，因此可以將10個指標(biāo)轉(zhuǎn)化成三個綜合因子，通過綜合因子探究各影響因素與煤炭價格之間的關(guān)系。根據(jù)旋轉(zhuǎn)后的因子矩陣計算因子得分，得到綜合因子與原指標(biāo)之間的線性關(guān)系，并對其進(jìn)行命名和解釋，因子得分的結(jié)果見下表4。

表4 因子得分

續(xù)表4

由表4可得下列三個綜合因子對應(yīng)的因子方程，如下：

（四）BP神經(jīng)網(wǎng)絡(luò)

使用基于LM算法的BP神經(jīng)網(wǎng)絡(luò)對樣本進(jìn)行訓(xùn)練[11]，其BP神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)見圖3。

圖3 BP神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)圖

設(shè)BP網(wǎng)絡(luò)的輸入層有n個節(jié)點，隱層有q個節(jié)點，輸出層有m個節(jié)點，輸入層與隱層之間的權(quán)值為νkj，隱層與輸出層之間的權(quán)值為wjk，如圖3所示。隱層的傳遞函數(shù)為f1(·)，輸出層的傳遞函數(shù)為f2(·)，則隱層節(jié)點的輸出為（將閾值寫入求和項中）：

輸出層節(jié)點的輸出為：

BP網(wǎng)絡(luò)完成n維空間向量對m維空間向量的映射。

根據(jù)以上原理，可以將人工神經(jīng)網(wǎng)絡(luò)[3]計算過程歸納為如下幾步：

1.初始值選擇w(0)；

2.前向計算，求出所有神經(jīng)元的輸出：ak(t)；

3.對輸出層計算δ：δj=(tj-aj)aj(1-aj)；

5.計算并保存各權(quán)值修正量：△wji(t)=-ηδjaj；

6.修正權(quán)值：wij(t+1)=wij(t)+△wji；

7.判斷是否收斂，如果收斂則結(jié)束，不收斂則轉(zhuǎn)至步驟3。

初次建模先抽樣70%作為訓(xùn)練樣本，用于完成自學(xué)習(xí)構(gòu)建神經(jīng)網(wǎng)絡(luò)模型，30%作為支持樣本，用于評估所建立模型的性能，暫不分配檢驗樣本。結(jié)果顯示測試相對錯誤率為33.2%，所以第二次分析新增檢驗樣本21.8%，支持樣本為32%，相對錯誤率降至5.7%，輸出最終的模型結(jié)果。

模型包括1個輸入層、1個隱藏層和1個輸出層，輸入層神經(jīng)元個數(shù)4個，隱藏層神經(jīng)元個數(shù)4個，輸出層神經(jīng)元個數(shù)1個。利用已提取出的三個因子對煤炭價格進(jìn)行預(yù)測。預(yù)測到2020年12月30日的周度數(shù)據(jù)，預(yù)測的結(jié)果見圖4。

圖4 煤炭價格預(yù)測圖

從圖4可以看出，2020年煤炭價格總體沒有較大的浮動，煤炭價格在490—550元浮動，說明我國煤炭行業(yè)的改革政策已有成效，煤炭價格波動總體在一個合理的區(qū)間，沒有極端值的出現(xiàn)。

（五）價格極差的走勢

考慮到要研究煤炭價格影響因素在結(jié)構(gòu)性和重要性方面的變化，擬對煤炭價格變化進(jìn)行分段研究，利用價格極差模型選取極差較大的區(qū)間，再結(jié)合極差的趨勢，對每個區(qū)間分別進(jìn)行因子分析，比較不同區(qū)間因子值的變化，得到各種情況引起的煤炭價格影響因素在結(jié)構(gòu)性方面的改變。將可以分析價格結(jié)構(gòu)性的價格極差與BP神經(jīng)網(wǎng)絡(luò)分析結(jié)合，為了使模型能夠更好地擬合，在模型中引入示性函數(shù)1ω(·)，當(dāng)未來有影響煤炭價格事件ω發(fā)生時，示性函數(shù)1ω(·)的取值為1，否則取值為0。建立基于價格極差并引入示性函數(shù)的BP神經(jīng)網(wǎng)絡(luò)價格預(yù)測模型。

先來看一下價格極差的簡單性質(zhì)，已經(jīng)得到t-1之前的信息，假定在第t天內(nèi)煤炭價格的對數(shù)1npt,r的變化滿足無漂移的擴散過程，即在［t-1，t］這段時間內(nèi)1npt,r滿足d1npt,r=σdWr(t-1≤r≤t)[12]，此時就可以得到第t天內(nèi)的價格極差Xt，然后根據(jù)極值出現(xiàn)的順序?qū)O差分為Xt+，稱之為正向極差（極大值出現(xiàn)在極小值的前面），Xt-稱之為負(fù)向極差（極小值出現(xiàn)在極大值的前面），Xt+和Xt-的計算公式分別為：

選取2019年5月—2020年4月的煤炭價格作為研究對象，區(qū)間長度選擇為30天，得到了每個區(qū)間的極差，見表5。

表5 價格極差表

為了對影響因素的來源進(jìn)行解釋，根據(jù)之前的影響因素指標(biāo)分類，得到了下列三個表格,分別為宏觀經(jīng)濟因子表、調(diào)控政策因子表、生活水平因子表，見表6、表7、表8。

表6 宏觀經(jīng)濟因子表

表7 調(diào)控政策因子表

表8 生活水平因子表

分情況對Xt+和Xt-繪制出極差值與因子數(shù)據(jù)圖，為了方便觀測，每個因子乘以10，見圖5、圖6。

圖5 Xt+與因子走勢圖

圖6 Xt-與因子走勢圖

不難發(fā)現(xiàn)正向極差與宏觀調(diào)控因子以及生活水平因子的走勢都很接近，而負(fù)向極差和調(diào)控政策因子的走勢圖更加一致，說明價格極差的走勢與價格結(jié)構(gòu)性變化擁有相同的趨勢。

此外，因為突發(fā)事件的影響，煤炭的價格極差走勢在8、9、10區(qū)間發(fā)生了變化，由正向極差轉(zhuǎn)向了負(fù)向極差，此時煤炭價格的主要影響因素轉(zhuǎn)化為調(diào)控因子，這很好地貼合了實際，因此可以結(jié)合極差走勢更好地研究煤炭價格變化的影響因素。

（六）結(jié)合價格極差走勢的綜合煤炭價格預(yù)測模型

多種因素都會影響煤炭價格，導(dǎo)致價格常年處于反復(fù)波動的狀態(tài)。為了更好地對價格進(jìn)行預(yù)測，將得到的數(shù)據(jù)進(jìn)行歸一化處理[13]，使得煤炭的價格在區(qū)間［0，1］內(nèi)，處理的公式如下：

再對煤炭價格進(jìn)行反歸一化處理：

接著建立如下模型：

其中，Y表示預(yù)測價格，Xn（n=1，2，3）表示因子，α、β、γ、η表示參數(shù)，et表示殘差，1ω（·）表示未來有影響煤炭價格事件ω是否發(fā)生的示性函數(shù)，Xt表示價格極差。

接著用BP神經(jīng)網(wǎng)絡(luò)對模型進(jìn)行預(yù)測，BP神經(jīng)網(wǎng)絡(luò)操作的步驟與之前相同。假設(shè)突發(fā)事件ω每隔5天發(fā)生一次，利用極差走勢對數(shù)據(jù)進(jìn)行分類，然后再進(jìn)行綜合實證，模型的擬合效果如圖7所示。

圖7 綜合模型預(yù)測效果擬合圖

由此可見基于價格極差的BP神經(jīng)網(wǎng)絡(luò)模型對煤炭價格預(yù)測的擬合效果很好，可以使用該模型對煤炭價格進(jìn)行預(yù)測。

三、結(jié)論和建議

從宏觀經(jīng)濟、調(diào)控政策以及生活水平三個大方面選取14個指標(biāo)，建立綜合系數(shù)γ，通過對綜合系數(shù)γ值進(jìn)行排序，選取了國內(nèi)生產(chǎn)總值、第二產(chǎn)業(yè)增加值、煤及褐煤出口額、公共預(yù)算支出、公共預(yù)算收入、稅收收入、貨幣供應(yīng)量、恩格爾系數(shù)、城鄉(xiāng)收入差距和居民消費價格指數(shù)這10個指標(biāo)作為解釋變量，通過因子分析提取了三個綜合因子，再結(jié)合BP神經(jīng)網(wǎng)絡(luò)對煤炭價格進(jìn)行預(yù)測。通過引入價格極差的走勢和示性函數(shù)探究煤炭價格結(jié)構(gòu)性變化的原因以及突發(fā)事件對煤炭價格的影響，最后建立了綜合煤炭價格預(yù)測模型，研究結(jié)果顯示該模型的吻合度較高，適合用于煤炭價格的預(yù)測。

2020年是我國供給側(cè)改革實施的第5年，也是我國能源轉(zhuǎn)型的關(guān)鍵時期，合理地淘汰落后產(chǎn)能能夠有效提高能源產(chǎn)出的質(zhì)量，因此積極推進(jìn)產(chǎn)業(yè)整合變得至關(guān)重要。政府應(yīng)重點關(guān)注煤炭企業(yè)兼并重組進(jìn)程的推進(jìn)，要促進(jìn)煤炭產(chǎn)業(yè)的發(fā)展就要在工業(yè)產(chǎn)業(yè)生產(chǎn)過程中提高效率和產(chǎn)能。政府應(yīng)鼓勵煤炭企業(yè)“以大并小，以優(yōu)并劣”，以大型煤炭企業(yè)為主導(dǎo)，發(fā)揮其生產(chǎn)經(jīng)營優(yōu)勢，提高集約化水平。由因素影響程度排序可知，政策調(diào)控指標(biāo)體系下的因素對煤炭價格的影響力較大，如政府稅收、公共收入等，說明政府政策調(diào)整會很大程度上改變煤炭行業(yè)經(jīng)濟發(fā)展動向。所以政府在一定程度上要把煤炭行業(yè)所存在的經(jīng)濟問題交給市場解決。政府應(yīng)在營造健康有序的市場環(huán)境以及保護自然環(huán)境上下功夫，幫助煤炭產(chǎn)業(yè)樹立行業(yè)規(guī)范、走出經(jīng)濟低谷，在未來贏得市場競爭力。

考慮到突發(fā)狀況的沖擊，政府應(yīng)強調(diào)發(fā)揮煤炭企業(yè)內(nèi)部傳導(dǎo)機制[14]。面對不確定的未來情況要以安全性、穩(wěn)定性為前提進(jìn)行經(jīng)濟規(guī)劃布局，盡可能將突發(fā)事件造成的沖擊降到最低，減少企業(yè)損失。從政府制定經(jīng)濟政策出發(fā)，在經(jīng)濟市場由于外部突發(fā)沖擊動蕩時期，向煤炭等工業(yè)企業(yè)實施優(yōu)惠政策，如減稅、提高公共財政支出等方式。