基于R語言的中國鋼鐵產量ARIMA預測分析

(西北師范大學 甘肅 蘭州 730000)

一、引言

十八大以來，中國進入高質量發展階段，以“三去一降一補”為主要任務的供給側結構性改革成為經濟工作重心。鋼鐵行業作為典型的重資產行業，固定資本規模大，資本形成周期較長，行業資金集約度高，全要素生產效率較低，產能過剩問題突出，因而成為供給側結構性改革的攻堅區。當下國際局勢緊張，世界經濟疲軟，中美貿易摩擦不斷，產品出口受到抑制，鋼鐵產品需求低迷；同時國內的節能減排約束嚴格，綠色發展理念深入人心，這些都制約著中國鋼鐵行業的供給消化能力。對鋼鐵生產趨勢進行預測，把握市場供求關系，為鋼鐵上下游企業生產提供借鑒和指導，有利于的市場經濟良好的運營和宏觀經濟的穩定。本文通過監測鋼鐵行業發展趨勢，進一步對鋼鐵產量進行預測，為提前防范和應對產業風險及產能過剩提供更有針對性的依據，推動我國鋼鐵產業的健康發展。

二、我國鋼鐵產業發展現狀

中國鋼鐵產業作為國民經濟的重要基礎產業，對現代化建設做出了積極貢獻。建國初期，鞍鋼、武鋼和包鋼等鋼廠的建立，為新中國工業化奠定了堅實基礎。改革開放以來，中國工業化、城鎮化步伐不斷加快，基礎設施建設全面鋪開，家電等耐用品消費的升溫，汽車、房地產市場的繁榮，造船、機械出口規模的擴大，帶動了鋼鐵產業的快速發展[1]。2000年至2018，中國鋼鐵產量年均增長12.44%，據國家統計局公布的數據，2018年全行業鋼鐵產量為9.28億噸，同比增加6.6%。隨著鋼鐵產業固定資產投資規模逐年提高，供給能力遠超市場需求，鋼鐵行業去產能迫在眉睫，僅2016年及2017年兩年退出煤炭、鋼鐵產能分別超過4.4億噸和1.15億噸。過剩的產能會直接導致產品價格疲軟，加劇企業經營困難，影響投資增長和效率，危害經濟增長質量和效益。因此，中國鋼鐵產量的預測對鋼鐵產業健康發展具有指導意義。

三、模型預測理論及實現

預測方法主要有灰色系統法、神經網絡法、時間序列模型以及多元回歸模型預測等。其中，灰色系統法和神經網絡法在中長期趨勢預測上較為準確，對短期波動的預測概率不高。多元回歸模型主要用來分析多個因素對研究對象綜合影響程度。時間序列模型既考慮了時間序列數據之間的依存性，又考慮到了隨機波動的干擾性影響，預測的準確度比較高，是近年應用比較廣泛的方法之一[2]。由于各種因素的相對穩定性，采用時間序列預測方法在較短時期內，大致可認為相關因素對預測對象的影響及其自身的變化趨勢是規律性的，利用歷史數據進行預測就可以保證預測的精度。因此，本文采用ARIMA預測方法對2019-2021年我國鋼鐵產量的短期預測是可行的。

ARIMA模型的基礎是以平穩時間序列為前提的。具體步驟如下：(1)觀察數據的時序圖的離散程度、趨勢以及變化規律來識別該序列的平穩性。進一步進行單位根檢驗，若序列非平穩，則需對數據進行差分或滑動平均法處理。(2)根據數據自相關(ACF)圖和偏自相關(PACF)圖，以其拖尾或截尾狀態確定ARIMA模型的P、Q階數[3]。(3)根據模型的赤池(AIC)準則，估計暫定的模型參數，檢驗是否具有統計意義。(4)檢驗假設模型殘差ACF圖、殘差序列圖的周期性以及LB統計量的區間，確定殘差序列是否為白噪聲。

四、模型建立

本文根據國家統計局1950-2018年間我國歷年鋼鐵產量統計數據建立模型。

表1 1950-2018年新中國歷年鋼鐵產量數據 單位：萬噸

(一)模型的確定過程

通過給定1950-2018年鋼鐵產量數據，繪出其時間序列圖1(左)：

圖1 鋼鐵產量原時序圖(左) 一階對數差分后的對數序列圖(右)

通過原時間序列圖看出，序列總體有明顯的指數增長趨勢，其數據離散成大較大，因此本文對原序列數據取對數后進行單位根檢驗[4]。

>difflnw=diff(lnw,differences=1)#對原序列取對數后一階差分

>library(tseries)

>adf.test(lnw,alt=“stationary”)

>adf.test(difflnw,alt=“stationary”)#確定了d的階數

通過一階差分后的對數序列通過單位根檢驗，如圖1(右)，說明該序列平穩。

進一步需要尋找合適的ARIMA模型，即估計ARIMA(p,d,q)中的p和q值。為了得到精確的數值，需要做該序列的自相關圖和偏自相關圖。結果如下：

>acf(difflnw,lag.max=20)

>pacf(difflnw,lag.max=20)

圖2 序列自相關(左)和偏自相關(右)圖

自相關圖顯示滯后6階自相關值基本沒有超過邊界值，雖然10階自相關值超出邊界，那么很可能屬于偶然出現的，而自相關值在其他上都沒有超出顯著邊界，而且我們可以期望1到20之間的會偶爾超出95%的置信邊界。偏自相關圖在10階后拖尾，因此基本確定ARIMA模型為(10,1,6)。

>arimalnw=arima(lnw,order=c(10,1,6))

(二)模型殘差序列檢驗

本文使用Ljing-Box統計量檢驗殘差序列是否為白噪聲序列，

>tsdiag(arimalnw)

圖3 殘差序列檢驗圖

通過殘差序列圖、殘差自相關圖以及LB統計量分布圖，可以明顯看出殘差序列無周期波動，滯后12階的殘差均為超出置信邊界，不存在明顯的自相關，LB檢驗P值都大于0.05，在虛線上方，即隨機干擾項為白噪聲。

預測后3年鋼鐵的產量，

>library(forecast)

>F=forecast(arimalnw,h=3,level=c(80))

取置信水平為80%，預測結果如下：

表2 ARIMA預測結果

五、結束語

鋼鐵工業處于轉型提質的關鍵期，從預測結果可知，自2013年國家深入推進供給側結構性改革以來，鋼鐵的產量基本得到了控制，并且在建黨100年(2021年)鋼鐵行業去產能取得了顯著成效。鋼鐵行業的發展關鍵在于企業內部的技術創新，生產新型高質量產品。就宏觀調控來看，一方面，政府對相關行業的補貼應落實到創新方面，而非終端產品，讓“輸血”變為“造血”。另一方面，要堅定走綠色發展道路，政府部門應當對傳統的粗生產加工企業要嚴控行業準入門檻和排放標準，取締僵尸企業，加快推進聯合重組，提升行業集中度和全要素生產率；進一步優化產業布局，形成資源匹配、環境包容、要素聚集、行業協同的數個特色鮮明的產業集群，進而引導著鋼鐵行業的穩固健康的發展。