艦船建造涂料價格波動分析及其擬合

摘要:涂料價格波動是導致艦船建造總成本變動的主要成因之一，因此，文章面向造船企業，圍繞艦船建造涂料價格波動問題，對造船企業現存涂料價格經驗估算方法弊端進行剖析，分析涂料價格波動特征及其成因，最后基于支持向量回歸機算法建立涂料價格波動模型，并基于模型對涂料價格的歷史數據進行擬合，證明了該波動模型的有效性。

關鍵詞:涂料;價格波動;時間序列;支持向量回歸機

一、 引言

涂料是指用于物體表面而能結成堅韌保護膜的物料總稱。在艦船中所用到的涂料主要有防污漆、干舷面漆、甲板漆和壓載艙防銹漆等。涂料是艦船建造總成本的主要構成之一，其成本計算是造船企業十分關注的。涂料成本的有效控制，有利于降低船舶建造的成本，進而降低船舶的造價價格乃至報價價格，提高造船企業競爭力。對于既定型號和技術參數的艦船而言，涂料耗量相對穩定，故涂料成本波動可由涂料價格波動所反映。找出艦船建造涂料價格波動的規律，合理利用這一規律，就可以有效地為造船企業報價、生產安排和涂料庫存等提供科學依據，進而有利于艦船建造風險降低和效益提高，對我國造船企業的報價和風險控制具有較大的理論意義和實用價值。

二、 涂料價格波動特征分析

涂料價格波動往往要在一個較長時間內才能完全顯示。由于分析的相似性，本文僅以防污漆為例進行波動曲線特征分析。本文以10年的防污漆價格作為根據進行研究。根據《船舶產品價格匯編》和在大連造船廠調研得到的實際數據，可以得到1998年~2007年按季度防污漆價格波動曲線，如圖1所示。

可以算出防污漆的基準價格(基準價格定義為在一定時間內防污漆價格的平均值)為18美元/升，由基準價格我們做出基線如圖1中所示。從圖1中可以看出從1998年~2007年，涂料價格的波動大致經歷了4個階段。第一階段是1998年第一季度~2001年第三季度，波峰為2001年第三季度的19.67美元/升，波動高度為1.67美元/升，波谷為2000年第一季度的5.98美元/升，波動深度為12.02美元/升，波動幅度近13.69美元/升;第二個階段是2001年第四季度到2005年第一季度，波峰為2004年第二季度的22.84美元/升，波動高度為4.84美元/升，波谷為2003年第二季度的16.28美元/升，波動深度1.72美元/升，波動幅度達到6.56美元/升;第三個階段是2005年第二季度到2007年第一季度，波峰為2007年第一季度的23.87美元/升，波動高度為5.87美元/升，波谷為2005年第四季度的16.57美元/升，波動深度1.43美元/升，波動幅度達到7.30美元/升。第四次波動就是從2007年第一季度開始的，但是波動尚未完成，現在只能看出2007年第一季度到2007年第三季度是一個下降的趨勢而到了第四季度又開始緩慢上升。

從圖1來看，雖然涂料價格有波峰和波谷，但波動高度在逐漸增大，1.67美元/升，4.84美元/升，5.87美元/升;波動深度在逐漸縮小，12.02美元/升，1.72美元/升，1.43美元/升。這說明涂料價格總體上呈緩慢上升趨勢，且第一次波動幅度最大，以后涂料價格波動都不顯著，都在一定范圍內小幅度變化。從上述分析我們可以看出三次完整的波動周期，三個階段波動的周期分別為3年、4年、2年，可看出涂料價格波動在長期并沒有一個周期性波動規律，說明涂料價格并不是以一個平滑走勢持續上升。在一個周期中擴張期持續時間長度相對較長，收縮期持續時間長度相對較短，從這個側面也可說明涂料價格波動相對穩定性。

三、 涂料價格波動成因分析

本部分將針對涂料價格波動情況，分析其波動成因。涂料作為市場廣泛需求的商品，其價格也會隨著市場變化而波動，它的價格變化同樣受很多因素影響。

從成本因素方面來說，成本因素是影響涂料價格主要因素之一，涂料價格會因其成本波動而波動。當今市場的涂料產品很多都打著“凈味”旗號，但“凈味”原理卻有所不同。一種是用香精覆蓋乳液氣味，這種涂料成本相對較低，價格也偏低。第二種是乳液技術直接消除氣味，這種技術工藝比較復雜，成本相對較高。隨著船東需求的增加，艦船建造所需涂料的技術含量越來越高，成本隨之升高，目前來看由于技術成本增加船用涂料價格總體呈上升趨勢。對價格的影響具體表現為波幅的變化，使價格較易產生波峰或波谷。

從市場供需因素來說，市場供需會直接影響涂料價格走勢。特別在2008年，由于綠色奧運的理念，使得涂料需求不斷增加，目前，涂料下游企業越來越多，各個行業對涂料的需求越來越高，導致其價格也有不同幅度的升高。供需因素對任何商品的價格波動影響大都表現為波頻與波幅的變化，船用涂料也不例外。

從市場環境因素來說，市場環境對商品價格有直接影響，2008年中國政府要加快轉變經濟發展方式，推進經濟結構戰略性調整。而樓市持續低迷，使涂料市場空間在一定程度上呈現萎縮。國際燃油價格不斷上漲，涂料原材料價格上揚，給涂料行業帶來一定影響，然而這并非致命影響。關鍵就在這個節點上，首先是美國次貸危機爆發，我國出口美國的市場嚴重受損，接著歐洲經濟衰退，出口歐洲的市場也遭受致命打擊。一系列連鎖反應加劇了中國涂料市場的危機，原本還可承受的生存環境迅速使得涂料企業陷入危機之中，涂料價格的波動比較明顯。市場環境因素對涂料價格波動的波幅影響較為顯著，從目前涂料價格走勢來看，其價格波谷的出現正是市場環境因素導致。

四、 涂料價格波動模型的建立及數據擬合

影響艦船建造涂料價格波動因素眾多，其波動實際是涂料市場這樣一個復雜非線性動力系統的輸出體現。支持向量回歸機(以下簡稱SVR)既能將一維涂料價格時間序列數據通過重構轉化到高維空間以最大程度反映真實涂料價格波動，又能通過核函數將高維空間中的函數運算映射到低維空間進行以降低算法復雜度，有較好的推廣能力和良好的性能，本部分將基于SVR算法建立涂料價格波動模型，并進行相關的數據擬合。

1. 基于支持向量回歸機算法的建模流程。

(1)數據標準化處理。獲取物價時間序列，對輸入的時間序列數據Y={x1，x1，x1，…，xn}進行零化處理和歸一化處理，采用Z-score規范化方法可得:

(3)數據相空間重構。重構物價時間序列數據，將非線性時間序列資料轉換為Hankel矩陣，作為基于SVR算法模型擬合器f的分析資料，該矩陣包含過去和未來的信息。Hankel矩陣中時滯參數的確定即相空間嵌入維數m的確定。

(4)確定評價指標。選取均方誤差(Mean Squ-ared Error，MSE)和平均絕對誤差(Mean Absolute Error，MAE)作為評價指標用來表示擬合精度，精度越大，MAE，MSE越小。

核函數的參數包括折衷參數C、核寬度?酌2和不敏感參數?著。本文首先在C和?酌2的一定范圍內取多個值來訓練SVR，定下各參數取值大概范圍，然后利用交叉驗證法(Cross Validation)選定參數值。

(6)訓練樣本選取和模型訓練。選擇合適的訓練樣本，設定誤差變量ek、偏差量b和可調常數?酌。依據訓練樣本，采用基于高斯徑向基核函數的SVR進行模型訓練，最終得到估計函數:

(7)數據的擬合與評價。向模型中輸入數據，用MSE和MAE對擬合結果進行評估，評價擬合數據，如不滿足要求則跳到第六步重新訓練模型再進行擬合，直至得到滿意解。

對于艦船建造主要物價波動的精確擬合是十分困難的，因此本節建立的波動模型將不做還原，并將擬合結果的趨勢作為波動描述重點。

根據前面選取的核函數和確定的相關參數，涂料價格的波動模型如下所示:

3. 基于涂料價格波動模型的數據擬合。為檢驗建立的涂料價格波動模型的實際擬合效果，本文選用2004年~2007年共16個季度的防污漆價格作擬合試驗。為比較基于SVR算法的涂料價格波動模型的擬合性能，選用基于自回歸移動平均(以下簡稱ARMA)模型的涂料價格波動模型作擬合對比，擬合效果圖如圖2所示。

從圖2可以看出，前面大致11個點基于SVR算法的擬合效果略低于ARMA擬合效果，但曲線擬合效果相差不大，ARMA擬合曲線更貼近涂料價格的實際波動曲線。在大致11個點以后的擬合數據中基于SVR算法的模型擬合曲線突然有一個大的凸起，隨后開始逐漸向實際價格波動曲線靠攏，凸起可能是殘留在處理后的數據中的噪音數據導致。而ARMA擬合值雖然整體趨勢趨向逐漸擬合實際價格曲線，但波動程度逐漸加大，其精度難以得到保證，可以認為在這個實驗條件下，基于SVR算法的模型在11個點后的時間范圍內擬合數據較ARMA擬合的精度更高，即基于SVR算法的模型更適宜反映涂料價格的中長期波動狀況。

五、 結論

本文將基于大跨度詳實數據，采用現代科學方法，對艦船建造涂料價格波動數據進行了定性和定量分析，得到的主要結論如下:

1. 參考涂料價格波動規律進行艦船建造進度優化，可以降低造船企業的生產成本。

2. 涂料價格波動逐年呈上升趨勢，即波動深度逐漸減小，波動高度逐漸增大。每個階段中相對應的波動幅度都比較大，并且后一個周期的波動幅度總是大于前一個周期的波動幅度。

3. 艦船建造涂料價格波動是多種因素造成的，其中成本因素、供求因素、經濟環境因素是影響涂料價格波動的主要因素。

4. 對政府而言，可以通過支持艦船物資國產化水平的提高和增強艦船建造主要物資信息的披漏對其價格波動進行干預，盡量減少人為原因，降低船舶工業的艦船建造風險;

5. 對企業而言，可以充分利用艦船建造主要物資價格波動的規律進行庫存、采購和生產安排，以便控制其建造成本，進而規避價格波動帶來的風險。

參考文獻:

1. He Weiming， Fu Dexiang， Prices Collection of Ship Products. Beijing: Financial Department of China State Shipbuilding Corporation，2008.

2. 何維明，傅德祥等.船舶產品價格匯編.北京:中國船舶工業集團公司財務部，2008.

3. Kiseok .Lee， Shawn Ni. On the dynamic effect of oil price shocks: a study using industry Level data.Journal of Monetary Economics，2002 (49):823-852.

4. Xia Guoen， Shao Peiji， The Application of Improved SVR In Financial Time Series Forecast. Financial Theory Practice，2008，(11):95-98.

5. 夏國恩，邵培基.改進SVR在金融時間序列預測中的應用.金融理論與實踐，2008，(11):95-98.

作者簡介:李曼靜，哈爾濱工程大學管理科學與工程專業2007級博士生，中國注冊會計師，中國注冊稅務師，國際注冊內部審計師，高級會計師;吳慶，就職于黑龍江省審計廳。

收稿日期:2009-12-05。