小波分析結(jié)合ARIMA組合模型的2014～2017年石油貿(mào)易量預(yù)測(cè)研究

劉險(xiǎn)峰

摘 要：選取2002～2013年我國(guó)石油進(jìn)出口貿(mào)易量的數(shù)據(jù)進(jìn)行建模分析。首先運(yùn)用小波分析理論將貿(mào)易量數(shù)據(jù)進(jìn)行分解，識(shí)別出數(shù)據(jù)的主要特征和細(xì)節(jié)特征，針對(duì)不同特征進(jìn)行識(shí)別和平穩(wěn)性檢測(cè)和參數(shù)估計(jì)，建立相應(yīng)的ARIMA模型，并進(jìn)行預(yù)測(cè)加權(quán)合成。仿真結(jié)果表明，小波分析結(jié)合ARIMA組合模型的預(yù)測(cè)精度遠(yuǎn)遠(yuǎn)大于為改進(jìn)的ARIMA預(yù)測(cè)模型，從而為科學(xué)合理的決策提供更為精確的預(yù)測(cè)模型。

關(guān)鍵詞： ARIMA模型；時(shí)間序列；進(jìn)出口貿(mào)易；Eviews軟件；對(duì)數(shù)差分

中圖分類(lèi)號(hào)：F746 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)：1003-7217（2014）04-0117-06

一、引 言

貿(mào)易量預(yù)測(cè)的研究方法很多，通常運(yùn)用的方法有持續(xù)法、卡爾曼濾波法、人工神經(jīng)網(wǎng)絡(luò)法、空間相關(guān)法、時(shí)間序列法等等，這些預(yù)測(cè)方法有著各自的優(yōu)點(diǎn)和缺點(diǎn)。很多學(xué)者提出了組合預(yù)測(cè)模型，如小波和BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型、小波和卡爾曼濾波預(yù)測(cè)模型。組合模型充分利用各種模型的優(yōu)點(diǎn)，使得預(yù)測(cè)結(jié)果更為準(zhǔn)確。

2007年王惠文[1]等人運(yùn)用多元線性回歸模型對(duì)貿(mào)易和貿(mào)易的影響因素進(jìn)行了預(yù)測(cè)分析，得出貿(mào)易和貿(mào)易影響因素之間的回歸模型，通過(guò)實(shí)證分析發(fā)現(xiàn)該模型預(yù)測(cè)效果較好。2010年彭向峰等人[2]提出一種基于公平角度的貿(mào)易預(yù)測(cè)模型，并以江蘇某市為研究對(duì)象，進(jìn)行了實(shí)證分析。2008年鐘寶昌[3]將灰色理論同馬爾柯夫模型相結(jié)合，提出一種基于灰色-馬爾柯夫的貿(mào)易預(yù)測(cè)模型，仿真結(jié)果表明效果較好。2007年肖智等人運(yùn)用SVM模型實(shí)現(xiàn)了中國(guó)進(jìn)出口貿(mào)易的預(yù)測(cè)[4]；同年沈漢溪[5]等人運(yùn)用ARMA模型進(jìn)行進(jìn)出口貿(mào)易額的預(yù)測(cè)；2011年褚曉琳[6]利用灰色理論實(shí)現(xiàn)北京市進(jìn)出口貿(mào)易的預(yù)測(cè)。

上述小波分解和重構(gòu)主要是通過(guò)不同的帶通濾波器將含有綜合信息的石油貿(mào)易量數(shù)據(jù)分解成N+1組具有不同特征的時(shí)間序列信號(hào)。N+1組信號(hào)中，其中N組是細(xì)節(jié)信息反映隨機(jī)擾動(dòng)帶來(lái)的影響，剩下的1組代表主要信息反映數(shù)據(jù)內(nèi)在的變化趨勢(shì)。通過(guò)分別預(yù)測(cè)并進(jìn)行合成，可以有效提高預(yù)測(cè)的精度。

三、數(shù)據(jù)來(lái)源

本文數(shù)據(jù)來(lái)源于歷年《中國(guó)統(tǒng)計(jì)年鑒》，以我國(guó)2002～2013年的石油進(jìn)出口貿(mào)易量為研究對(duì)象，運(yùn)用改進(jìn)的時(shí)間序列分析法對(duì)數(shù)據(jù)分析，實(shí)現(xiàn)2014～2017年這4年我國(guó)石油進(jìn)出口貿(mào)易量做出預(yù)測(cè)，數(shù)據(jù)如表1。

四、石油進(jìn)出口貿(mào)易量時(shí)間序列分析

ARIMA模型中時(shí)間序列是由一個(gè)零均值的平穩(wěn)隨機(jī)過(guò)程產(chǎn)生，因此若為非平穩(wěn)時(shí)間序列，則應(yīng)該事先對(duì)時(shí)間序列進(jìn)行平穩(wěn)化處理。

（一） 平穩(wěn)性檢查

依據(jù)石油進(jìn)出口貿(mào)易量的時(shí)間序列見(jiàn)圖4， 可以看出我國(guó)石油進(jìn)出口貿(mào)易量具有很明顯的上升趨勢(shì)，因此此序列為非平穩(wěn)序列。需要進(jìn)行ADF單位根檢驗(yàn)，由圖5可知，ADF檢驗(yàn)未能通過(guò)，說(shuō)明石油進(jìn)出口貿(mào)易量序列是非平穩(wěn)的時(shí)間序列[6]。

六、結(jié) 論

以上將2002～2013年的我國(guó)石油進(jìn)出口貿(mào)易量的數(shù)據(jù)作為時(shí)間序列，運(yùn)用小波分析結(jié)合ARIMA組合模型實(shí)現(xiàn)我國(guó)石油進(jìn)出口貿(mào)易量小規(guī)模的預(yù)測(cè)。 通過(guò)模型識(shí)別、比較以及檢驗(yàn)，最終選定模型為ARIMA（3，3，2），之后對(duì)2002～2013年的石油進(jìn)口貿(mào)易量進(jìn)行了預(yù)測(cè)，并和實(shí)際值進(jìn)行了對(duì)比，發(fā)現(xiàn)預(yù)測(cè)精度是比較高的。最后，對(duì)2014～2017年石油進(jìn)口貿(mào)易量進(jìn)行了預(yù)測(cè)，為科學(xué)決策提供理論依據(jù)。

通過(guò)實(shí)證分析研究發(fā)現(xiàn)，改進(jìn)的ARIMA模型預(yù)測(cè)精度遠(yuǎn)遠(yuǎn)高于未改進(jìn)的ARIMA模型，因此可以將預(yù)測(cè)模型推廣到其他領(lǐng)域的預(yù)測(cè)，為合理決策提供更多方法和手段。

參考文獻(xiàn)：

[1]王惠文，孟浩.多元線性回歸的預(yù)測(cè)建模方法[J].北京航空航天大學(xué)學(xué)報(bào)，2007，（4）：15-18.

[2]彭向峰，李智.基于公平角度的貿(mào)易合理性研究以江蘇某市為例[J].技術(shù)經(jīng)濟(jì)與管理研究，2010，（2）：122-125.

[3]鐘寶昌.基于灰色馬爾柯夫夫模型預(yù)測(cè)房地產(chǎn)價(jià)格[ J] .統(tǒng)計(jì)與決策， 2005，（1）：18-23.

[3]肖智，陳婷婷.基于支持向量機(jī)的外貿(mào)出口預(yù)測(cè)[J].科學(xué)管理研究，2007，（7）：231-233.

[4]沈漢溪，林堅(jiān).基于ARMA模型的中國(guó)外貿(mào)進(jìn)出口預(yù)測(cè)：2006-2010[J].國(guó)際貿(mào)易問(wèn)題，2007，（6）：24-26.

[5]褚曉琳.基于灰色系統(tǒng)理論的北京市對(duì)外貿(mào)易預(yù)測(cè)[J].中國(guó)流通經(jīng)濟(jì)，2011，（5）：54-58.

[6]唐海燕.進(jìn)出口貿(mào)易與經(jīng)濟(jì)增長(zhǎng)：作用機(jī)制與風(fēng)險(xiǎn)度量[J]. 華東師范大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2008，（6）：11-17.

[7]林劍平. 中國(guó)歷次通貨膨脹的原因與啟示——基于貨幣因素和體制因素的雙向視角[J]. 世界經(jīng)濟(jì)情況，2010，（7）：9-15.

[8]楊海水，趙大平，范方志. 進(jìn)出口對(duì)我國(guó)經(jīng)濟(jì)增長(zhǎng)作用的比較[J]. 統(tǒng)計(jì)與決策，2011，（12）：18-23.

[9]胡冬梅，鄭尊信，潘世明.匯率傳遞與出口商品價(jià)格決定：基于深圳港2000～2008年高度分解面板數(shù)據(jù)的經(jīng)驗(yàn)分析[J]. 世界經(jīng)濟(jì)，2010，（6）：15-19.

[10]高鐵梅.計(jì)量經(jīng)濟(jì)分析方法與建模：EViews應(yīng)用及實(shí)例[M].北京：清華大學(xué)出版社，2006：85-88.

（責(zé)任編輯：王鐵軍）

Abstract：This paper selects 2002～2013 China's oil import and export trade data for modeling and analysis. The wavelet analysis is used to decompose the trade data， identifying the main features. The trade data series is tested for stationarity， and parameter estimation to build an appropriate ARIMA model. Simulation results show that the combination of wavelet analysis with the ARIMA model performs far better in prediction than the ARIMA forecasting model for decisionmaking.

Key words：ARIMA Model； Time Series； Import and Export Trade； Eviews Software； Logarithmic Difference

摘 要：選取2002～2013年我國(guó)石油進(jìn)出口貿(mào)易量的數(shù)據(jù)進(jìn)行建模分析。首先運(yùn)用小波分析理論將貿(mào)易量數(shù)據(jù)進(jìn)行分解，識(shí)別出數(shù)據(jù)的主要特征和細(xì)節(jié)特征，針對(duì)不同特征進(jìn)行識(shí)別和平穩(wěn)性檢測(cè)和參數(shù)估計(jì)，建立相應(yīng)的ARIMA模型，并進(jìn)行預(yù)測(cè)加權(quán)合成。仿真結(jié)果表明，小波分析結(jié)合ARIMA組合模型的預(yù)測(cè)精度遠(yuǎn)遠(yuǎn)大于為改進(jìn)的ARIMA預(yù)測(cè)模型，從而為科學(xué)合理的決策提供更為精確的預(yù)測(cè)模型。

關(guān)鍵詞： ARIMA模型；時(shí)間序列；進(jìn)出口貿(mào)易；Eviews軟件；對(duì)數(shù)差分

中圖分類(lèi)號(hào)：F746 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)：1003-7217（2014）04-0117-06

一、引 言

貿(mào)易量預(yù)測(cè)的研究方法很多，通常運(yùn)用的方法有持續(xù)法、卡爾曼濾波法、人工神經(jīng)網(wǎng)絡(luò)法、空間相關(guān)法、時(shí)間序列法等等，這些預(yù)測(cè)方法有著各自的優(yōu)點(diǎn)和缺點(diǎn)。很多學(xué)者提出了組合預(yù)測(cè)模型，如小波和BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型、小波和卡爾曼濾波預(yù)測(cè)模型。組合模型充分利用各種模型的優(yōu)點(diǎn)，使得預(yù)測(cè)結(jié)果更為準(zhǔn)確。

2007年王惠文[1]等人運(yùn)用多元線性回歸模型對(duì)貿(mào)易和貿(mào)易的影響因素進(jìn)行了預(yù)測(cè)分析，得出貿(mào)易和貿(mào)易影響因素之間的回歸模型，通過(guò)實(shí)證分析發(fā)現(xiàn)該模型預(yù)測(cè)效果較好。2010年彭向峰等人[2]提出一種基于公平角度的貿(mào)易預(yù)測(cè)模型，并以江蘇某市為研究對(duì)象，進(jìn)行了實(shí)證分析。2008年鐘寶昌[3]將灰色理論同馬爾柯夫模型相結(jié)合，提出一種基于灰色-馬爾柯夫的貿(mào)易預(yù)測(cè)模型，仿真結(jié)果表明效果較好。2007年肖智等人運(yùn)用SVM模型實(shí)現(xiàn)了中國(guó)進(jìn)出口貿(mào)易的預(yù)測(cè)[4]；同年沈漢溪[5]等人運(yùn)用ARMA模型進(jìn)行進(jìn)出口貿(mào)易額的預(yù)測(cè)；2011年褚曉琳[6]利用灰色理論實(shí)現(xiàn)北京市進(jìn)出口貿(mào)易的預(yù)測(cè)。

上述小波分解和重構(gòu)主要是通過(guò)不同的帶通濾波器將含有綜合信息的石油貿(mào)易量數(shù)據(jù)分解成N+1組具有不同特征的時(shí)間序列信號(hào)。N+1組信號(hào)中，其中N組是細(xì)節(jié)信息反映隨機(jī)擾動(dòng)帶來(lái)的影響，剩下的1組代表主要信息反映數(shù)據(jù)內(nèi)在的變化趨勢(shì)。通過(guò)分別預(yù)測(cè)并進(jìn)行合成，可以有效提高預(yù)測(cè)的精度。

三、數(shù)據(jù)來(lái)源

本文數(shù)據(jù)來(lái)源于歷年《中國(guó)統(tǒng)計(jì)年鑒》，以我國(guó)2002～2013年的石油進(jìn)出口貿(mào)易量為研究對(duì)象，運(yùn)用改進(jìn)的時(shí)間序列分析法對(duì)數(shù)據(jù)分析，實(shí)現(xiàn)2014～2017年這4年我國(guó)石油進(jìn)出口貿(mào)易量做出預(yù)測(cè)，數(shù)據(jù)如表1。

四、石油進(jìn)出口貿(mào)易量時(shí)間序列分析

ARIMA模型中時(shí)間序列是由一個(gè)零均值的平穩(wěn)隨機(jī)過(guò)程產(chǎn)生，因此若為非平穩(wěn)時(shí)間序列，則應(yīng)該事先對(duì)時(shí)間序列進(jìn)行平穩(wěn)化處理。

（一） 平穩(wěn)性檢查

依據(jù)石油進(jìn)出口貿(mào)易量的時(shí)間序列見(jiàn)圖4， 可以看出我國(guó)石油進(jìn)出口貿(mào)易量具有很明顯的上升趨勢(shì)，因此此序列為非平穩(wěn)序列。需要進(jìn)行ADF單位根檢驗(yàn)，由圖5可知，ADF檢驗(yàn)未能通過(guò)，說(shuō)明石油進(jìn)出口貿(mào)易量序列是非平穩(wěn)的時(shí)間序列[6]。

六、結(jié) 論

以上將2002～2013年的我國(guó)石油進(jìn)出口貿(mào)易量的數(shù)據(jù)作為時(shí)間序列，運(yùn)用小波分析結(jié)合ARIMA組合模型實(shí)現(xiàn)我國(guó)石油進(jìn)出口貿(mào)易量小規(guī)模的預(yù)測(cè)。 通過(guò)模型識(shí)別、比較以及檢驗(yàn)，最終選定模型為ARIMA（3，3，2），之后對(duì)2002～2013年的石油進(jìn)口貿(mào)易量進(jìn)行了預(yù)測(cè)，并和實(shí)際值進(jìn)行了對(duì)比，發(fā)現(xiàn)預(yù)測(cè)精度是比較高的。最后，對(duì)2014～2017年石油進(jìn)口貿(mào)易量進(jìn)行了預(yù)測(cè)，為科學(xué)決策提供理論依據(jù)。

通過(guò)實(shí)證分析研究發(fā)現(xiàn)，改進(jìn)的ARIMA模型預(yù)測(cè)精度遠(yuǎn)遠(yuǎn)高于未改進(jìn)的ARIMA模型，因此可以將預(yù)測(cè)模型推廣到其他領(lǐng)域的預(yù)測(cè)，為合理決策提供更多方法和手段。

參考文獻(xiàn)：

[1]王惠文，孟浩.多元線性回歸的預(yù)測(cè)建模方法[J].北京航空航天大學(xué)學(xué)報(bào)，2007，（4）：15-18.

[2]彭向峰，李智.基于公平角度的貿(mào)易合理性研究以江蘇某市為例[J].技術(shù)經(jīng)濟(jì)與管理研究，2010，（2）：122-125.

[3]鐘寶昌.基于灰色馬爾柯夫夫模型預(yù)測(cè)房地產(chǎn)價(jià)格[ J] .統(tǒng)計(jì)與決策， 2005，（1）：18-23.

[3]肖智，陳婷婷.基于支持向量機(jī)的外貿(mào)出口預(yù)測(cè)[J].科學(xué)管理研究，2007，（7）：231-233.

[4]沈漢溪，林堅(jiān).基于ARMA模型的中國(guó)外貿(mào)進(jìn)出口預(yù)測(cè)：2006-2010[J].國(guó)際貿(mào)易問(wèn)題，2007，（6）：24-26.

[5]褚曉琳.基于灰色系統(tǒng)理論的北京市對(duì)外貿(mào)易預(yù)測(cè)[J].中國(guó)流通經(jīng)濟(jì)，2011，（5）：54-58.

[6]唐海燕.進(jìn)出口貿(mào)易與經(jīng)濟(jì)增長(zhǎng)：作用機(jī)制與風(fēng)險(xiǎn)度量[J]. 華東師范大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2008，（6）：11-17.

[7]林劍平. 中國(guó)歷次通貨膨脹的原因與啟示——基于貨幣因素和體制因素的雙向視角[J]. 世界經(jīng)濟(jì)情況，2010，（7）：9-15.

[8]楊海水，趙大平，范方志. 進(jìn)出口對(duì)我國(guó)經(jīng)濟(jì)增長(zhǎng)作用的比較[J]. 統(tǒng)計(jì)與決策，2011，（12）：18-23.

[9]胡冬梅，鄭尊信，潘世明.匯率傳遞與出口商品價(jià)格決定：基于深圳港2000～2008年高度分解面板數(shù)據(jù)的經(jīng)驗(yàn)分析[J]. 世界經(jīng)濟(jì)，2010，（6）：15-19.

[10]高鐵梅.計(jì)量經(jīng)濟(jì)分析方法與建模：EViews應(yīng)用及實(shí)例[M].北京：清華大學(xué)出版社，2006：85-88.

（責(zé)任編輯：王鐵軍）

Abstract：This paper selects 2002～2013 China's oil import and export trade data for modeling and analysis. The wavelet analysis is used to decompose the trade data， identifying the main features. The trade data series is tested for stationarity， and parameter estimation to build an appropriate ARIMA model. Simulation results show that the combination of wavelet analysis with the ARIMA model performs far better in prediction than the ARIMA forecasting model for decisionmaking.

Key words：ARIMA Model； Time Series； Import and Export Trade； Eviews Software； Logarithmic Difference

摘 要：選取2002～2013年我國(guó)石油進(jìn)出口貿(mào)易量的數(shù)據(jù)進(jìn)行建模分析。首先運(yùn)用小波分析理論將貿(mào)易量數(shù)據(jù)進(jìn)行分解，識(shí)別出數(shù)據(jù)的主要特征和細(xì)節(jié)特征，針對(duì)不同特征進(jìn)行識(shí)別和平穩(wěn)性檢測(cè)和參數(shù)估計(jì)，建立相應(yīng)的ARIMA模型，并進(jìn)行預(yù)測(cè)加權(quán)合成。仿真結(jié)果表明，小波分析結(jié)合ARIMA組合模型的預(yù)測(cè)精度遠(yuǎn)遠(yuǎn)大于為改進(jìn)的ARIMA預(yù)測(cè)模型，從而為科學(xué)合理的決策提供更為精確的預(yù)測(cè)模型。

關(guān)鍵詞： ARIMA模型；時(shí)間序列；進(jìn)出口貿(mào)易；Eviews軟件；對(duì)數(shù)差分

中圖分類(lèi)號(hào)：F746 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)：1003-7217（2014）04-0117-06

一、引 言

貿(mào)易量預(yù)測(cè)的研究方法很多，通常運(yùn)用的方法有持續(xù)法、卡爾曼濾波法、人工神經(jīng)網(wǎng)絡(luò)法、空間相關(guān)法、時(shí)間序列法等等，這些預(yù)測(cè)方法有著各自的優(yōu)點(diǎn)和缺點(diǎn)。很多學(xué)者提出了組合預(yù)測(cè)模型，如小波和BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型、小波和卡爾曼濾波預(yù)測(cè)模型。組合模型充分利用各種模型的優(yōu)點(diǎn)，使得預(yù)測(cè)結(jié)果更為準(zhǔn)確。

2007年王惠文[1]等人運(yùn)用多元線性回歸模型對(duì)貿(mào)易和貿(mào)易的影響因素進(jìn)行了預(yù)測(cè)分析，得出貿(mào)易和貿(mào)易影響因素之間的回歸模型，通過(guò)實(shí)證分析發(fā)現(xiàn)該模型預(yù)測(cè)效果較好。2010年彭向峰等人[2]提出一種基于公平角度的貿(mào)易預(yù)測(cè)模型，并以江蘇某市為研究對(duì)象，進(jìn)行了實(shí)證分析。2008年鐘寶昌[3]將灰色理論同馬爾柯夫模型相結(jié)合，提出一種基于灰色-馬爾柯夫的貿(mào)易預(yù)測(cè)模型，仿真結(jié)果表明效果較好。2007年肖智等人運(yùn)用SVM模型實(shí)現(xiàn)了中國(guó)進(jìn)出口貿(mào)易的預(yù)測(cè)[4]；同年沈漢溪[5]等人運(yùn)用ARMA模型進(jìn)行進(jìn)出口貿(mào)易額的預(yù)測(cè)；2011年褚曉琳[6]利用灰色理論實(shí)現(xiàn)北京市進(jìn)出口貿(mào)易的預(yù)測(cè)。

上述小波分解和重構(gòu)主要是通過(guò)不同的帶通濾波器將含有綜合信息的石油貿(mào)易量數(shù)據(jù)分解成N+1組具有不同特征的時(shí)間序列信號(hào)。N+1組信號(hào)中，其中N組是細(xì)節(jié)信息反映隨機(jī)擾動(dòng)帶來(lái)的影響，剩下的1組代表主要信息反映數(shù)據(jù)內(nèi)在的變化趨勢(shì)。通過(guò)分別預(yù)測(cè)并進(jìn)行合成，可以有效提高預(yù)測(cè)的精度。

三、數(shù)據(jù)來(lái)源

本文數(shù)據(jù)來(lái)源于歷年《中國(guó)統(tǒng)計(jì)年鑒》，以我國(guó)2002～2013年的石油進(jìn)出口貿(mào)易量為研究對(duì)象，運(yùn)用改進(jìn)的時(shí)間序列分析法對(duì)數(shù)據(jù)分析，實(shí)現(xiàn)2014～2017年這4年我國(guó)石油進(jìn)出口貿(mào)易量做出預(yù)測(cè)，數(shù)據(jù)如表1。

四、石油進(jìn)出口貿(mào)易量時(shí)間序列分析

ARIMA模型中時(shí)間序列是由一個(gè)零均值的平穩(wěn)隨機(jī)過(guò)程產(chǎn)生，因此若為非平穩(wěn)時(shí)間序列，則應(yīng)該事先對(duì)時(shí)間序列進(jìn)行平穩(wěn)化處理。

（一） 平穩(wěn)性檢查

依據(jù)石油進(jìn)出口貿(mào)易量的時(shí)間序列見(jiàn)圖4， 可以看出我國(guó)石油進(jìn)出口貿(mào)易量具有很明顯的上升趨勢(shì)，因此此序列為非平穩(wěn)序列。需要進(jìn)行ADF單位根檢驗(yàn)，由圖5可知，ADF檢驗(yàn)未能通過(guò)，說(shuō)明石油進(jìn)出口貿(mào)易量序列是非平穩(wěn)的時(shí)間序列[6]。

六、結(jié) 論

以上將2002～2013年的我國(guó)石油進(jìn)出口貿(mào)易量的數(shù)據(jù)作為時(shí)間序列，運(yùn)用小波分析結(jié)合ARIMA組合模型實(shí)現(xiàn)我國(guó)石油進(jìn)出口貿(mào)易量小規(guī)模的預(yù)測(cè)。 通過(guò)模型識(shí)別、比較以及檢驗(yàn)，最終選定模型為ARIMA（3，3，2），之后對(duì)2002～2013年的石油進(jìn)口貿(mào)易量進(jìn)行了預(yù)測(cè)，并和實(shí)際值進(jìn)行了對(duì)比，發(fā)現(xiàn)預(yù)測(cè)精度是比較高的。最后，對(duì)2014～2017年石油進(jìn)口貿(mào)易量進(jìn)行了預(yù)測(cè)，為科學(xué)決策提供理論依據(jù)。

通過(guò)實(shí)證分析研究發(fā)現(xiàn)，改進(jìn)的ARIMA模型預(yù)測(cè)精度遠(yuǎn)遠(yuǎn)高于未改進(jìn)的ARIMA模型，因此可以將預(yù)測(cè)模型推廣到其他領(lǐng)域的預(yù)測(cè)，為合理決策提供更多方法和手段。

參考文獻(xiàn)：

[1]王惠文，孟浩.多元線性回歸的預(yù)測(cè)建模方法[J].北京航空航天大學(xué)學(xué)報(bào)，2007，（4）：15-18.

[2]彭向峰，李智.基于公平角度的貿(mào)易合理性研究以江蘇某市為例[J].技術(shù)經(jīng)濟(jì)與管理研究，2010，（2）：122-125.

[3]鐘寶昌.基于灰色馬爾柯夫夫模型預(yù)測(cè)房地產(chǎn)價(jià)格[ J] .統(tǒng)計(jì)與決策， 2005，（1）：18-23.

[3]肖智，陳婷婷.基于支持向量機(jī)的外貿(mào)出口預(yù)測(cè)[J].科學(xué)管理研究，2007，（7）：231-233.

[4]沈漢溪，林堅(jiān).基于ARMA模型的中國(guó)外貿(mào)進(jìn)出口預(yù)測(cè)：2006-2010[J].國(guó)際貿(mào)易問(wèn)題，2007，（6）：24-26.

[5]褚曉琳.基于灰色系統(tǒng)理論的北京市對(duì)外貿(mào)易預(yù)測(cè)[J].中國(guó)流通經(jīng)濟(jì)，2011，（5）：54-58.

[6]唐海燕.進(jìn)出口貿(mào)易與經(jīng)濟(jì)增長(zhǎng)：作用機(jī)制與風(fēng)險(xiǎn)度量[J]. 華東師范大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2008，（6）：11-17.

[7]林劍平. 中國(guó)歷次通貨膨脹的原因與啟示——基于貨幣因素和體制因素的雙向視角[J]. 世界經(jīng)濟(jì)情況，2010，（7）：9-15.

[8]楊海水，趙大平，范方志. 進(jìn)出口對(duì)我國(guó)經(jīng)濟(jì)增長(zhǎng)作用的比較[J]. 統(tǒng)計(jì)與決策，2011，（12）：18-23.

[9]胡冬梅，鄭尊信，潘世明.匯率傳遞與出口商品價(jià)格決定：基于深圳港2000～2008年高度分解面板數(shù)據(jù)的經(jīng)驗(yàn)分析[J]. 世界經(jīng)濟(jì)，2010，（6）：15-19.

[10]高鐵梅.計(jì)量經(jīng)濟(jì)分析方法與建模：EViews應(yīng)用及實(shí)例[M].北京：清華大學(xué)出版社，2006：85-88.

（責(zé)任編輯：王鐵軍）

Abstract：This paper selects 2002～2013 China's oil import and export trade data for modeling and analysis. The wavelet analysis is used to decompose the trade data， identifying the main features. The trade data series is tested for stationarity， and parameter estimation to build an appropriate ARIMA model. Simulation results show that the combination of wavelet analysis with the ARIMA model performs far better in prediction than the ARIMA forecasting model for decisionmaking.

Key words：ARIMA Model； Time Series； Import and Export Trade； Eviews Software； Logarithmic Difference