基于時間序列模型的港口集裝箱吞吐量預(yù)測

吳琛

摘 要：針對集裝箱吞吐量進行精準預(yù)測，已成為港口發(fā)展建設(shè)的重要一環(huán)。本文以廣州港作為研究對象，選取2010.01-2017.12區(qū)間中96組數(shù)據(jù)作為原始數(shù)據(jù)。首先分析該時間序列的變動趨勢特征；然后根據(jù)原始序列特征選取ARIMA模型進行預(yù)測，結(jié)果顯示預(yù)測數(shù)值與實際數(shù)值的相對誤差基本控制在10%以內(nèi)，體現(xiàn)出模型的可靠性和精準性；最后對2019下半年廣州港集裝箱吞吐量進行預(yù)測，為港口運營提供參考價值。

關(guān)鍵詞：廣州港 集裝箱吞吐量 時間序列 ARIMA模型 預(yù)測

1.引言

集裝箱運輸憑借其帶來的規(guī)模經(jīng)濟效益和社會效益，已成為港口運輸?shù)闹饕绞健．斍埃劭诩b箱吞吐量作為評價港口綜合能力的重要因素，在港口發(fā)展建設(shè)中具有重要參考價值，針對港口集裝箱吞吐量預(yù)測的研究成為必要。通過提高港口集裝箱吞吐量預(yù)測的精確度，從而對港口的常規(guī)運營、資源分配、碼頭調(diào)度、規(guī)劃建設(shè)等方面產(chǎn)生積極的作用。

港口集裝箱吞吐量預(yù)測方法主要分為多元回歸方法和時間序列分析方法。關(guān)于多元回歸方法的研究主要包括：劉逸群等將大連市GDP、貨運總量、東三省和內(nèi)蒙古GDP之和作為影響因子，對大連港集裝箱吞吐量進行多元回歸預(yù)測；劉斌等使用國民生產(chǎn)總值、對外貿(mào)易額、港口固定資產(chǎn)投資及利率作為影響因子，對我國港口總吞吐量進行預(yù)測。時間序列分析方法主要包括指數(shù)平滑法、趨勢外推法以及ARIMA模型等，主要研究有：劉宇璐等通過分析武漢港貨物吞吐量數(shù)據(jù)的變動趨勢和周期性特征，構(gòu)建ARIMA預(yù)測模型；趙尚威等采用SARIMA和VAR組合預(yù)測方法，對中國7大港口進行吞吐量預(yù)測，體現(xiàn)出時間序列方法預(yù)測具有優(yōu)勢。

本文將以廣州港為研究對象，通過分析歷年來港口集裝箱吞吐量的數(shù)據(jù)增長趨勢，運用ARIMA時間序列方法建立預(yù)測模型，對廣州港集裝箱吞吐量進行短期預(yù)測。

2.趨勢分析

廣州港作為中國港口體系中重要的交通樞紐，是華南地區(qū)進行對外貿(mào)易的重要口岸，由南沙港、黃埔港、花都港、新塘港等多個港區(qū)組成。目前，廣州港集裝箱運輸覆蓋范圍達到80多個國家及地區(qū)，涉及300多個世界港口。隨著改革開放和“一帶一路”政策的深入實施，廣州港已經(jīng)在世界港口排名中穩(wěn)居前10位，步入世界一流港口的行列。

本文從廣州市港務(wù)局官方網(wǎng)站，選取了2010.01-2017.12區(qū)間的集裝箱吞吐量數(shù)據(jù)（如圖1所示，單位：萬TEU），共計96組數(shù)據(jù)。刻畫的趨勢圖顯示出，廣州港集裝箱吞吐量數(shù)據(jù)呈現(xiàn)出周期性變化，整體上展現(xiàn)出逐年遞增的趨勢；同時數(shù)據(jù)呈現(xiàn)出同比增長的趨勢，如2010-2017年間，同月的數(shù)據(jù)出現(xiàn)明顯的增長態(tài)勢。

從圖1的數(shù)據(jù)可以直觀的看出，港口集裝箱吞吐量數(shù)據(jù)一般都展現(xiàn)出周期性的特點。普通的線性回歸對周期性的序列刻畫不準確，而時間序列模型中的ARIMA模型可以通過差分方法消除周期性特征，從而提高預(yù)測模型的精準度。因此，港口集裝箱吞吐量數(shù)據(jù)預(yù)測可以選取ARIMA模型進行研究。

3.理論支撐

3.1ARIMA模型介紹

ARIMA模型（Autoregressive Integrated Moving Average Model）叫做自回歸移動平均模型，是時間序列分析模型中實用性和預(yù)測精度都較好的模型之一。ARIMA模型只觀察真實數(shù)據(jù)本身且只存在單個變量，不考慮經(jīng)濟理論依據(jù)，通過找出數(shù)據(jù)序列的自身規(guī)律來對數(shù)據(jù)進行外推預(yù)測。此模型存在3種形式：AR模型（Autoregressive Model）、MA模型（Moving Average Model）以及ARMA 模型（Autoregressive Moving Average Model）。使用ARIMA模型的前提是判斷時間序列是否為平穩(wěn)序列，如果不是則需要差分后才能進行使用。

3.2建模步驟

步驟一：時間序列平穩(wěn)性檢驗。通常采用ADF（Augmented Dickey-Fuller）單位根檢驗法，通過檢驗則為平穩(wěn)序列，未通過則需要進行差分轉(zhuǎn)換為平穩(wěn)序列。

步驟二：ARIMA（p， d， q）模型參數(shù)的估計。ARIMA模型中的p與q分別表示AR和MA部分的階數(shù)，d表示序列的單整階數(shù)（差分次數(shù)）。

步驟三：對建立的ARIMA模型進行殘差序列相關(guān)性檢驗。若通過檢驗，可以比較模型的檢驗參數(shù)來選擇最優(yōu)模型；若未通過檢驗，則返回步驟二，繼續(xù)估計模型參數(shù)。

步驟四：利用最優(yōu)模型進行預(yù)測。

4.構(gòu)建ARIMA預(yù)測模型

下面以廣州港2010-2017年的96組數(shù)據(jù)作為觀察數(shù)據(jù)，在操作系統(tǒng)為Windows10的電腦上運用EViews8.0軟件構(gòu)建ARIMA（p， d， q）模型。首先按照步驟一對該序列的平穩(wěn)性進行ADF檢驗，發(fā)現(xiàn)原序列為非平穩(wěn)序列，一階差分處理后ADF檢驗通過。接著進行步驟二的操作，借助于EViews生成的自相關(guān)函數(shù)圖和偏自相關(guān)函數(shù)圖形（如圖2所示），來估計p和q的值。通過觀察，可以發(fā)現(xiàn)自相關(guān)函數(shù)圖形表現(xiàn)為“拖尾”現(xiàn)象，偏自相關(guān)函數(shù)圖形表現(xiàn)為11期后“截尾”，則p、d、q的取值分別為11、1、0，構(gòu)建ARIMA（11，1，0）模型。最后對構(gòu)建的模型進行殘差序列相關(guān)性檢驗，主要檢驗參數(shù)如表1所示：

調(diào)整R2表示模型的擬合程度，取值介于0-1之間，數(shù)值越大代表擬合效果越好；AIC和SC都是信息準則，對于擬合的模型而言，其數(shù)值越小越好；擬合出的模型不存在殘差序列相關(guān)性。擬合模型的殘差圖如圖3所示。

通過觀察殘差圖，擬合ARIMA模型的結(jié)果值與實際值基本吻合，預(yù)測的相對誤差絕大多數(shù)處在10%以內(nèi)，體現(xiàn)出本文構(gòu)建的集裝箱吞吐量預(yù)測模型的精準度和可靠性。因此，經(jīng)過一次差分轉(zhuǎn)換后，最終擬合的ARIMA模型的結(jié)果為：

根據(jù)擬合出的模型，利用已有的實際數(shù)據(jù)，對廣州港2019年下半年6個月份的集裝箱吞吐量進行預(yù)測，預(yù)測結(jié)果如表2所示：

預(yù)測結(jié)果顯示，2019下半年廣州港全年集裝箱吞吐量預(yù)計為1122.47萬TEU，相較于2018年下半年941.56萬TEU的數(shù)據(jù)，同比增長19%，顯示出廣州港將繼續(xù)保持穩(wěn)步增長態(tài)勢。根據(jù)預(yù)測結(jié)果，建議在集裝箱貨物運輸高峰期和低谷期時，通過積極的資源分配、碼頭調(diào)度、規(guī)劃建設(shè)等工作，來滿足港口集裝箱運輸需求。

5.結(jié)論

本文以廣州港作為研究對象，使用2010.01-2017.12區(qū)間96組數(shù)據(jù)，分析其集裝箱吞吐量數(shù)據(jù)的變動趨勢特征，構(gòu)建了ARIMA預(yù)測模型。模型結(jié)果顯示，預(yù)測數(shù)值與實際數(shù)值的相對誤差基本控制在10%以內(nèi)，從而證明模型的有效性和精確性。基于時間序列分析，本文構(gòu)建的模型對各個港口集裝箱預(yù)測具有很強的普適性。最后，運用構(gòu)建的ARIMA預(yù)測模型對廣州港2019下半年的集裝箱吞吐量進行短期預(yù)測，相信能夠?qū)V州港的發(fā)展建設(shè)、日常運營、規(guī)劃布局提供一定的參考意義。

參考文獻：

[1]劉宇璐，陳冬林.基于ARIMA模型的武漢港貨物吞吐量預(yù)測研究[J].中國水運，2016（10）： 45-47.

[2]劉婷，林連.港口裝箱吞吐量預(yù)測方法研究[J].蘇州科技學院學報（工程技術(shù)版），2011，24（4）：44-46.

[3]劉斌，邱國棟，劉超.集裝箱港口吞吐量線性回歸模型[J].大連海事大學學報，2003，29（2）：27-30.

[4]趙尚威，周建紅.中國港口集裝箱吞吐量預(yù)測：基于組合時間序列[J].系統(tǒng)科學與數(shù)學，2018，38（2）：210-219.

[5]馬慧慧，郭慶然，丁翠翠.EViews統(tǒng)計分析與應(yīng)用（第3版） [M].電子工業(yè)出版社，2016.