灰色模型與時間序列分析在成品油價格中的應用對比

胡玥　李梅　周艷巍

摘 要： 成品油在經濟生活中的地位顯而易見，然而其價格波動頻繁。本文通過ARIMA模型和灰色模型，分別對中國成品油價格展開預測，并對兩種方法進行分析，以便更好地預測未來成品油價格。

關鍵詞： ARIMA模型 灰色模型 成品油價格預測

1.灰色模型

根據搜集到的成品油價格數據，得到原始數據：

表1 成品油2009-2013年各月份價格數據

2.時間序列分析

第一步：采集數據（數據如上表1，成品油2009-2013年各月份價格數據）

第二步：判斷序列的平穩性

由生成數列的時序圖，可知該序列有顯著的趨勢，顯然是一個非平穩序列。

第三步：對原序列進行差分運算

原時序圖呈現出近似線性的趨勢，對序列進行一階差分以消除趨勢的影響，一階差分后序列基本平穩。為進一步確定平穩性，做出差分后序列的自相關圖后，序列有很強的短期相關性，因此初步認為一階差分后序列平穩。

第四步：對平穩的一階差分序列進行白噪聲檢驗

在0.05的顯著性檢驗水平下，延遲6階的檢驗統計量的P值為0.0011，顯著小于0.05，該差分序列不能視為白噪聲序列，即差分后序列還蘊含相關信息可提取[2]。

第五步：對平穩非白噪聲差分序列擬合模型

第六步：檢驗殘差序列和預測

結果顯示，各階延遲下的統計量的P值都顯著大于0.05，可以認為殘差序列為白噪聲序列，說明模型提取信息充分。預測的成品油價格與對應的95%的置信區間如表2所示。

表2 變量x的預測結果

3.模型比較

ARIMA模型能充分利用各項數據，探索出其中規律，且對數據動態性的把握較好，精度較高[3]?！?br>