基于ARIMA模型的武漢市鐵路貨運周轉量預測研究

(湖北大學 商學院 湖北 武漢 430062)

基于ARIMA模型的武漢市鐵路貨運周轉量預測研究

李力胡嘯云

(湖北大學商學院湖北武漢430062)

本文基于ARIMA模型對武漢市鐵路貨運周轉量預測進行了研究，模型的回歸和擬合效果良好，預測值與實際值的誤差較小，最后針對武漢市鐵路貨運發展提出了相關對策和建議。

貨運周轉量；ARIMA模型；預測；武漢市

一、引言

近年來，中國現代化物流運輸市場需求增長迅速，與此同時貨物運輸方式之間的競爭也日趨激烈，陸運、空運以及水運等貨物運輸方式均取得了快速發展。而鐵路運輸作為一種重要的現代化貨物運輸方式，在整個國民經濟的發展中發揮了巨大作用。衡量鐵路貨物運輸水平的指標通常有鐵路貨運量和鐵路貨運周轉量，鐵路貨運量是指一定時間內運送貨物的總噸數，但是鐵路運輸能力的大小不僅取決于運送貨物的噸數，還與運送的里程有關，因此鐵路貨物周轉量這個指標能夠更加有效的反映鐵路運輸工作量。及時對鐵路貨運周轉量進行預測，深入、準確的把握發展趨勢，對分析鐵路貨運的供求關系以及制定未來鐵路運輸發展策略都有著重要的意義。

武漢市是長江經濟帶的中心城市，天然的區位優勢為物流業的發展提供了便利條件。武漢市政府于2016年發布了《武漢市現代物流業發展“十三五”規劃》，其中明確提出到2020年末，武漢市要基本建成帶動城市圈、引領長江經濟帶中游地區、聯通東西部、對接全國乃至全球市場的現代物流體系，成為國際知名、國內領先、區域龍頭的國家物流中心。數據顯示，鐵路貨運周轉量長期占武漢市整個現代化運輸方式貨物周轉量的50%以上，雖然近年來由于水路運輸以及公路運輸的快速發展而略有下降，但仍占有較大比例，因此可以預見，鐵路運輸在“十三五”期間武漢市的物流業發展中仍將占據重要的地位。在本文中，筆者建立適當的ARIMA模型對武漢市1990年到2015年鐵路貨運周轉量數據進行分析，并用模型對未來兩年武漢市鐵路貨運周轉量進行預測，最后提出相關政策建議，以期為鐵路部門在制定相關政策時提供參考。

二、對ARIMA模型簡介

ARIMA模型(Autoregressive Integrated Moving Average Model)是由博克思(Box)和詹金斯(Jenkins)于70年代初提出的，全稱是差分自回歸移動平均模型。在了解ARIMA模型之前首先簡單介紹一下ARMA模型，ARMA又稱為自回歸移動平均過程，ARMA模型包括了一個自回歸模型AR(p)和一個移動平均模型MA(q)，其中p為自回歸模型AR(p)的階數,q為移動平均模型MA(q)的系數。而ARIMA模型實際上是自回歸移動平均模型(ARMA)的擴展：當建模過程針對的是非平穩的時間序列時，需要差分之后才能平穩，此時則需要建立ARIMA(p，d，q)模型，其中d為差分次數。通過建立適當的ARIMA模型，可以有效的對時間序列進行描述，進而對未來值進行預測。

建立ARIMA預測模型：

yt=φ1yt-1+φ2yt-2+...+φpyt-p+ut-θ1ut-1-θ2ut-2-...-θqut-q

(1)

(1)式就是一個自回歸移動平均的過程，其中t為序號，Φ1，Φ2，…，Φp為自回歸系數，θ1，θ2，…，θq為移動平均系數，都是模型的待估參數。若原始序列需要經過若干次差分之后才能平穩，則原序列可以表示為ARIMA(p,d,q)模型。

ARIMA模型預測的基本流程：

(1)首先判斷序列是否平穩。做出時間序列圖，從圖中可以觀察數據的基本趨勢，如果數據呈明顯的上升或下降趨勢，或者顯示出季節性，則可以初步判斷序列為非平穩的。接下來可以運用計量軟件對序列進行平穩性檢驗，通常采用ADF單位根檢驗法，進一步確定數據是否為非平穩。

(2)非平穩序列的平穩化處理。當數據序列是非平穩時間序列時，需要先通過相應的變化將其變為平穩序列。如果是存在線性趨勢，則需要進行若干次差分使序列平穩；如果是指數趨勢，則先取對數再進行差分；如果是季節趨勢，則需要建立季節模型。對非平穩序列進行上述差分處理之后，再對序列進行平穩性檢驗，若仍然非平穩，則考慮增加差分次數，直到序列平穩，此步驟即可確定差分階數d。

(3)對平穩的時間序列選擇適當的模型，并確定p和q。根據序列的偏自相關圖判斷模型的類型，具體選擇方法如下表2-1。然后通過AIC準則、SC準則以及DW統計量綜合判斷確定p和q。

表2-1 模型選擇標準

(4)通過計量軟件對模型進行參數估計，觀察參數的顯著性，檢驗是否具有統計意義。

(5)對殘差序列進行檢驗，若殘差序列為白噪聲序列，證明可以用模型來進行預測。

(6)利用模型對未來值進行預測分析，通過誤差率判斷預測結果的好壞。

三、基于ARIMA模型的武漢市鐵路貨運周轉量預測

(一)數據來源

本文選取1990年至2015年武漢市鐵路貨運周轉量數據，數據均來源于《武漢市統計年鑒》，其中數據單位為億噸公里，其原始及處理后的數據見表3-1。

表3-1 武漢市鐵路貨運周轉量統計數據

注：數據來源于武漢市統計局

(二)序列的平穩化處理

做出1990—2015年武漢市鐵路貨運周轉量的時間序列圖(折線圖3-1)，從圖中可以看出鐵路貨運周轉量帶有明顯的趨勢，數據變動波動幅度前后不一致。因此可以初步判斷該鐵路貨運周轉量數據是非平穩的，需要經過差分處理。

圖3-1 1990—2015年武漢市鐵路貨運周轉量時間序列圖

運用Eviews6.0軟件對原始數據進行ADF(Augument Dickey-Fuller)單位根檢驗。單位根檢驗的結果如表3-2所示，即在90%的顯著性水平上不能拒絕原假設，也證實了原始序列的非平穩性。由于數據存在明顯的異方差(變動幅度不一致)，通過對原始數據取自然對數的方式減小異方差的影響，再對一階差分后的數據進行ADF單位根檢驗，檢驗結果如表3-2所示。檢驗結果表明新序列在99%的顯著性水平上是平穩的，因此，新序列滿足ARIMA模型的條件。

表3-2 單位根檢驗結果

(三)模型定階與參數估計

繪制武漢市鐵路貨運周轉量自然對數序列的相關圖，見圖3-2。從圖中可以看出，樣本的自相關圖是拖尾，偏自相關圖也是拖尾，因此可以選取ARIMA(p，d，q)模型，其中差分次數d=1。為使p和q的選擇更加精確，運用AIC和SC準則對模型進行比較，即選取使兩者統計量達到最小的那一組。經多次擬合，取p=4，q=3的效果較為理想，故最終選定ARIMA(4，1，3)模型為預測模型。

圖3-2 武漢市鐵路貨運周轉量的ACF和PACF圖

用Eviews6.0軟件對上述模型進行回歸，回歸的結果見表3-4。從參數報告結果來看，各參數都是以高概率通過顯著性檢驗。AIC和SC的值較小，并且調整后的=0.8645，說明模型擬合較好。

表3-4 參數估計結果

(四)模型檢驗及預測

模型檢驗是指對模型的殘差序列是否為白噪聲過程的檢驗，如果殘差序列是白噪聲過程，證明模型通過檢驗，可以進行預測，非白噪聲過程則不能進行預測。做出殘差序列的相關圖，見圖3-3，結果表明，殘差序列的自相關系數以及偏自相關系數基本都在置信區間內，說明ARIMA(4，1，3)模型的殘差序列通過了白噪聲檢驗，滿足獨立性假設。

圖3-3 殘差序列的自相關和偏相關圖

用Eviews6.0軟件中的預測功能對上述模型進行預測，得到2013年到2017年的武漢市鐵路貨運周轉量的預測值，結果如表3-5所示。2013年到2015年的貨物周轉實際量是已知的，因此可以將預測值跟實際值比對，得到近三年預測的誤差率。可以看出通過模型得到的近三年預測值與實際值的誤差率是很小，說明該模型比較可靠，適合用來進行預測。同時得到2016年和2017年的預測值，分別為958.06和872.59。

表3-5 2013—2017年武漢市鐵路貨運周轉量預測值

四、結論及政策建議

2011年以來武漢市鐵路貨運周轉量下降明顯，預計未來兩年還會持續下降。造成武漢市近幾年鐵路貨運周轉量下降的原因除了宏觀經濟增速放緩之外，鋼鐵、煤炭、石油等主要工業品產量的下降也是重要原因之一，還有近年來武漢市其他交通網絡(高速公路、空運、水運)的快速發展也分流了部分鐵路貨運量，除此之外鐵路運輸自身存在著諸多限制，例如運輸結構的僵化和程序執行上的繁雜也是造成鐵路貨運量下降的重要原因。

根據上述分析以及預測結果，本文對未來武漢市鐵路運輸的發展提出了以下幾點策略建議，旨在為武漢市擴大鐵路在貨運市場所占份額，實現鐵路貨運的快速發展提供參考。

(一)大力發展“互聯網+”模式下的鐵路運輸

當前，經濟發展呈現出新常態，對于鐵路運輸業而言，傳統的貨運模式無法適應經濟發展的新要求，鐵路運輸在交通運輸中所占的比重也有所下降。鐵路運輸必須要做出相應的改變，才能在中國經濟新常態下發揮更大作用。而隨著互聯網的快速發展，鐵路要想與時俱進，就必須重視信息化的建設，提升電子化和網絡化水平。因此將鐵路貨物運輸業與互聯網結合，不僅是順勢而為，同時也是逆境求生。

鐵路瞄準“互聯網+”，自然能夠給鐵路貨運的發展帶來極大的好處：其一，可以為客戶提供更便捷的服務。以鐵路運輸貨物為例，過去貨主們不僅需要考慮貨品具體在哪個車站上貨，還要考慮采取什么樣的包裝以及在什么地方卸貨，這樣使得程序變得繁瑣。而隨著“互聯網+”思維的運用，使得鐵路能夠更好的整合資源、提升效率，借助網上服務平臺，為貨主提供更便捷的服務；其二，實現鐵路與快遞企業的互利共贏。鐵路在融入電子商務市場后，可以嘗試與快遞企業合作，這樣使得鐵路能夠更加快速、高效的攬貨和聚貨，構建一個低成本、高效率的物流體系。同時，借助互聯網平臺，能夠對貨物的運輸全程監控、追蹤以及統計管理，做到運輸過程全程透明化。

(二)盡力穩定大宗貨源，爭取零散貨源

近年來鐵路貨運量呈明顯的下降趨勢，過去鐵路主要集中在對鋼鐵、煤炭、石油等大宗商品的運輸。從2014年武漢鐵路貨運品類分析看，運量占比較大的依次為：鋼鐵(34.3%)、非金礦(13.7%)、礦建(11.7%)、石油(8.7%)、煤(5.4%)、焦炭(3.55%)、化工品(3.67%)，而隨著近幾年經濟下行的趨勢以及受國家政策的影響，大宗商品需求預計將持續下降，這也使得鐵路運輸受到極大沖擊。因此鐵路運輸貨運量要想止住下降的趨勢，必須要加強貨源組織，及時了解企業的生產狀況，盡力穩定大宗貨源；同時盡力爭取零散貨源，找到新的貨運量增長點。近年來電子商務市場的迅猛發展帶來了散貨快運業務的快速增長，根據中國快遞協會發布的數據，2015年全國快遞業完成業務量206億件，同比增長48%。因此鐵路可以與電商、快遞企業建立長期合作關系，借助鐵路自身價格低、運量大、時間準的特點，利用電子商務平臺大力發展鐵路散貨快運業務，此舉不僅可以使鐵路運輸有更高的效能，同時也可以讓鐵路貨物運輸結構更好的適應經濟結構調整，促使鐵路貨運向現代物流轉型升級，取得長遠發展。

(三)構建一體化綜合交通體系，提升鐵路樞紐集散能力

各種運輸方式都有其利弊，但不同運輸方式之間可以取長補短、互相結合，有效的整合起來，形成利益的共同體。通過打造一體化的綜合交通體系，實現物流銜接“無縫化”，可以有效提升鐵路樞紐集散能力。2016年國務院頒布的《中長期鐵路網規劃》也指出，要完善貨運樞紐多式聯運，要使鐵路與其他交通方式高效銜接，形成系統配套、一體便捷的鐵路樞紐。

為此，可以圍繞鐵路站點周邊建設，完善配套設施，合理的建造倉庫、轉運站點，發揮鐵路貨運快速便捷、質量損失少、長途遠程等優勢，聯合空運、水運等多種運輸方式，形成“無縫”對接，盡力實現貨物運輸點對點、門到門的優質服務。此外，還可以組織交通、鐵路、民航等部門定期召開聯席會議，部門之間共同探討并解決物流發展中遇到的問題，此舉可以強化部門之間的溝通協調，有利于開展鋼鐵、煤炭、石油等大宗物資的多式聯運，使得物流運輸途中的轉運問題通過部門間的協調，得到順利解決。

(四)不斷優化服務質量，提高鐵路運輸效率

為提升鐵路運輸的競爭力，需要不斷優化鐵路運輸服務質量、提高鐵路運輸效率。鐵路運輸要細化服務，完善流程標準，做到以最簡單的工作程序，最優質的服務質量，最方便客戶的方案以及最安全的運輸，來建立客戶對鐵路貨運的信任；在受理鐵路貨運承運業務的時候，盡力做到在任何地點、任意時間都能簽訂有效的運輸合同，簡化貨運手續，提升手續的辦理速度；要確保24小時內服務電話暢通，能夠及時處理貨運業務的承接、咨詢和投訴等，同時要強化作業中的監督考核，切實提高裝卸質量，嚴格要求執行貨運裝卸作業標準，決不允許出現野蠻裝卸行為，損害托運人的利益；要科學合理的運用站場服務資源，準確掌握貨物線、裝卸能力等貨運資源狀況，實現高效管理、科學運用，同時要不斷改善貨運服務條件，及時更新設備設施，做到環境整潔、服務優質、設施一流。

[1]黃振，張為.基于ARIMA模型的湖南省物流需求預測研究[J].物流技術，2012,31(9):316-318

[2]熊志斌.基于ARIMA與神經網絡集成的GDP時間序列預測研究[J].數理統計與管理，2011,30(2):306-311

[3]解樹國.基于RBF和ARIMA模型下貨運量預測算法與軟件實現[D].長沙:湖南大學，2012

[4]何國華.區域物流需求預測及灰色預測模型的應用[J].北京交通大學學報(社會科學版).2008,(1):33-37

[5]李廷瑞.區域物流業發展水平及其對區域經濟影響分析與對策[J].物流技術，2012,(7)

[6]許沛沛，何躍.基于自組織數據挖掘的區域物流需求預測[J].統計與決策，2011,(6):58-59

[7]李紅培，李鑫，蔡適等.淺議新形勢下中國鐵路改革與發展[J].科技向導，2013,(17):58-59

[8]王晉.基于現代物流理念的鐵路貨運組織改革的研究[J].物流工程與管理，2013,8(35):7-8

[9]周新軍.中國鐵路運輸市場未來發展的SWOT分析[J].當代經濟管理，2015,(3):18-22

[10]肖增斌，范繼斌.提高鐵路貨運服務質量的探討[J].鐵道貨運，2015,04:49-52

[11]吳中凱.深入推進鐵路貨運組織改革若干問題研究[D].成都:西南交通大學,2014:25-36

李力(1976-)，男，湖北人，湖北大學商學院副教授，武漢理工大學博士，研究方向物流與供應鏈管理；胡嘯云(1992-)，男，湖北人，湖北大學商學院企業管理研究生，研究方向物流與供應鏈管理。

)