鋼材價格影響因素先行性的分析

周耀邦，王敏

?

鋼材價格影響因素先行性的分析

周耀邦，王敏

（浙江省數(shù)據(jù)管理有限公司，浙江 杭州 310000）

鋼鐵是國民經(jīng)濟發(fā)展的戰(zhàn)略性原材料。分析時間上和統(tǒng)計學意義上有先行性的影響因素，有助于對鋼材價格的特征和規(guī)律進行探索，對未來價格趨勢作出預測。選取了浙江省2013-01—2018-05的線材價格數(shù)據(jù)，從成本、供需、宏觀經(jīng)濟、先行指標等維度選取多種可能的影響因素，利用交叉相關(guān)系數(shù)探索對線材價格“先行”的因素，并進行格蘭杰因果檢驗，最后建立了ARIMA時間序列模型，對短期未來價格進行了預測。

鋼材價格；影響因素；先行性；ARIMA時間序列模型

近年來，我國鋼材價格波動較大。2013—2016年，鋼材價格連續(xù)下降。2016年，鋼材價格開始止跌回升，2016年和2017年中鋼材格指數(shù)漲幅分別為76.5%和22.4%.與此同時，鋼材價格的波動較為劇烈，2016年鋼材價格經(jīng)歷每噸2 000元—3 000元—2 500元—3 500元的波動，全年的波動標準差接近400；2017年也呈現(xiàn)出3 500元—4 000元—3 500元—4 500元的起伏，全年的波動標準差接近500.劇烈波動對行業(yè)上下游的發(fā)展帶來不利影響。2018年政府工作報告提出，再壓減鋼鐵產(chǎn)能3.0×107t左右，著力推動鋼鐵行業(yè)布局優(yōu)化、轉(zhuǎn)型升級、規(guī)范經(jīng)營，實現(xiàn)可持續(xù)健康發(fā)展。因此，在鋼鐵行業(yè)改革調(diào)整的關(guān)鍵時期，對鋼材價格密切監(jiān)測，對價格規(guī)律進行探尋，對價格波動提前預警預測，有助于推動我國鋼鐵行業(yè)平穩(wěn)有序改革，確保國民經(jīng)濟穩(wěn)定發(fā)展。

本文選取了浙江省線材——高線6.5，hpb300價格作為鋼材價格的代表，價格走勢如圖1所示。線材是我國第二大鋼材生產(chǎn)品種，用途廣泛，我國也是世界最大的線材生產(chǎn)國。線材也是我國最早進入期貨交易的兩個鋼材品種之一，具有較強的代表性。

1 先行性分析

1.1 因素初選

通過閱讀學術(shù)文獻，參考期貨分析，查閱行業(yè)網(wǎng)站，訪談鋼貿(mào)專家等，本文選取了29種可能對鋼材價格產(chǎn)生影響的因素。數(shù)據(jù)來源包括西本新干線、國家統(tǒng)計局、國家外匯管理局、中國銀行、上海鋼聯(lián)數(shù)據(jù)庫等。全部整理為月度數(shù)據(jù)，共計64組。

供給：線材產(chǎn)量值、線材社會庫存量、全國主要鋼材品種庫存總量、高爐開工率。

需求：國內(nèi)線材表觀消費量、國內(nèi)月度鋼材出口量、月度房地產(chǎn)建設(shè)、房屋新開工面積同比增速。

圖1 2013—2018年浙江省線材價格走勢

成本：62%鐵礦石指數(shù)、鐵礦石進口月度均價、鐵礦石主力合約收盤價、焦炭主力合約收盤價格、焦煤主力合約收盤價格、西澳-北侖鐵礦海運價、波羅的海干散貨指數(shù)（BDI）、廢鋼價格、國內(nèi)月度粗鋼產(chǎn)量、全球粗鋼產(chǎn)能利用率（%）。

宏觀經(jīng)濟指標：PMI、FAI固定資產(chǎn)投資總額累計同比、發(fā)電量_當期值（億千瓦時）、匯率、利率、固定資產(chǎn)投資額、人民幣新增貸款、狹義貨幣供應(yīng)量增速（M1，%）、廣義貨幣供應(yīng)量增速（M2，%）。

其他指標：鋼鐵行業(yè)PMI指數(shù)、國際鋼鐵價格指數(shù)CRU

1.2 交叉相關(guān)系數(shù)

在分析經(jīng)濟周期問題的時候，可利用交叉相關(guān)系數(shù)，區(qū)分先行、一致和滯后經(jīng)濟指標，用來表明經(jīng)濟指標與整個經(jīng)濟景氣的同步性。

圖2為線材價格與PMI的交叉相關(guān)圖，每欄中兩側(cè)虛線對應(yīng)著正負2倍標準差。線材與PMI同期相關(guān)系數(shù)（為0），與PMI前期（+）和PMI后期（－）的相關(guān)系數(shù)都較高，超過了2倍標準差，十分明顯。由于lag那一列的值大于lead那一列的值，可認為線材略微滯后（lag）于PMI。

圖2 線材價格與PMI的交叉相關(guān)圖

兩者價格數(shù)值標準化后的圖形見圖3，其能直觀地驗證線材價格變動略微滯后于PMI變動?？梢钥闯觯?016年之前兩者關(guān)系不明顯，但2016年之后，PMI經(jīng)過Z標準化的曲線波動略大于線材價格經(jīng)過Z標準化的曲線。

將線材與各種因素的交叉相關(guān)圖畫出。結(jié)果顯示，變化略微超前于線材價格且有經(jīng)濟學意義的因素有焦煤期貨價格、焦炭期貨價格、M2增速，新屋開工率、PMI、鋼鐵PMI、高爐開工率等。

1.3 格蘭杰因果檢驗

格蘭杰因果檢驗用于分析經(jīng)濟變量之間的格蘭杰因果關(guān)系。格蘭杰因果關(guān)系并非變量之間因果性的判據(jù)，而是用于計量經(jīng)濟學的變量預測。若在包含了變量、的過去信息的條件下，對變量的預測效果要優(yōu)于只單獨由的過去信息對進行的預測效果，即變量有助于解釋變量的將來變化，則認為變量是引致變量的格蘭杰原因。

格蘭杰因果檢驗的前提是數(shù)據(jù)是平穩(wěn)的。采用ADF單位根檢驗，結(jié)果顯示，線材價格是不平穩(wěn)的，其一階差分是平穩(wěn)的。因此可用線材價格和影響因素的差分來做格蘭杰檢驗，一階差分的經(jīng)濟學意義是增量。

格蘭杰因果檢驗對滯后期較為敏感，一般以隨機誤差項不存在序列相關(guān)的判定標準選擇滯后期數(shù)。

表1為通過了顯著性測試并且與線材價格有關(guān)的結(jié)果。

圖3 標準化線材價格與標準化PMI走勢圖

表1 與線材有關(guān)的格蘭杰因果分析結(jié)果

F值P值 D_WIRE_PRICE does not Granger Cause D_EXCHANGE_RATE（1階滯后）4.643 860.035 3 D_WIRE_PRICE does not Granger Cause D_SCR_STE_PRI（3階滯后）3.593 10.019 4 D_WIRE_PRICE does not Granger Cause D_SCR_STE_PRI（4階滯后）2.915 040.030 3 D_WIRE_PRICE does not Granger Cause CRUDE_STEEL_PRODUCTION（1階滯后）4.751 540.033 3

整體結(jié)論是：線材價格增量的歷史信息有助于對匯率增量的變化、廢鋼價格增量的變化以及粗鋼產(chǎn)量變化的預測，但不存在對線材價格增量有格蘭杰原因的變量。

2 ARIMA時間序列預測

ARIMA模型是一種經(jīng)典的時間序列預測方法，有優(yōu)秀的短期預測能力，以模擬歷史、從已經(jīng)發(fā)生的經(jīng)濟活動中找出變化規(guī)律為主要技術(shù)手段，對未來趨勢進行預測。

ARIMA模型有3個參數(shù)：，，.其中，為預測模型中采用的時序數(shù)據(jù)本身的滯后數(shù)（lags）；為時序數(shù)據(jù)需要進行幾階差分化，才是穩(wěn)定的；為預測模型中采用的預測誤差的滯后數(shù)（lags）。

本文數(shù)據(jù)采用由浙江省2013-01—2018-06的線材型號高線6.5，hpb300進行分析預測，共計284個周度數(shù)據(jù)。

2.1 建立模型

2013-01—2017-12，共260個數(shù)據(jù)。零階不平穩(wěn)，一階平穩(wěn)，因此為1.分析其一階差分后自相關(guān)ACF和偏自相關(guān)PACF，一階延遲均超過橫線，隨后均是0，可認為兩者都是一階截尾的。嘗試建立=1，=1，=0，=0的不同組合，根據(jù)調(diào)整的方值、AIC、SIC等信息量準則、模型單位根平穩(wěn)性檢驗等，有效的模型為=1，=1.

2.2 驗證模型

當預測多于1期時，可進行靜態(tài)預測或動態(tài)預測。靜態(tài)預測用的是上期的實際值，動態(tài)預測用的是上期的擬合值。

為檢驗?zāi)Ｐ托Ч?，靜態(tài)預測2018-01—2018-06，動態(tài)預測2018-01—2018-05.

平均預測誤差率 =[（擬合值－實際值）/實際值]，平均預測準確率 = 1－平均預測誤差率

結(jié)果表明，在預測期間內(nèi)，靜態(tài)預測平均預測準確率為97.96%，4期的動態(tài)預測平均準確率為95.9%.ARIMA是一種適合短期預測的模型。預測超過1期時，靜態(tài)預測會快速的跟隨波動，動態(tài)預測由于缺乏反饋信息，主要是延續(xù)之前的態(tài)勢；當數(shù)據(jù)保持上漲、下跌或平穩(wěn)狀態(tài)，2個預測效果接近；當出現(xiàn)波動時，靜態(tài)預測誤差率會較大，而動態(tài)預測誤差率會較大。

圖4 線材2013—2017年的ACF和PACF值

2.3 進行預測

用2013—2018年的數(shù)據(jù)重新建立模型，對2018年價格進行預測。圖5將2018年線材價格實際值，以及對未來3期的預測值置于一張圖中。

圖5 線材價格2018年數(shù)據(jù)及預測數(shù)據(jù)

參考2017年的模型，可以認為，對未來1期的預測，平均預測準確率為97.96%.對未來1～4期的預測，平均準確率為95.9%.

3 結(jié)束語

本文選取多種影響因素，分析了影響因素相對線材價格的先行性，并檢驗其在統(tǒng)計上是否對預測線材價格有幫助。建立了ARIMA時間序列模型，對短期價格進行了預測。

實證分析結(jié)果表明，利用交叉相關(guān)系數(shù)，得出了略微超前于線材價格且有經(jīng)濟學意義的因素有焦煤期貨價格、焦炭期貨價格、M2增速，新屋開工率、PMI、鋼鐵PMI、高爐開工率等。利用格蘭杰因果關(guān)系檢驗分析線材價格增量（一階差分），結(jié)果沒有發(fā)現(xiàn)對線材價格增量有格蘭杰原因的變量。而ARIMA時間序列僅對短期預測效果較好，對長期趨勢的預測，可采用機器學習等更先進的算法進行分析。

［1］許亞萍，王甜.我國鋼鐵價格影響因素的實證分析［J］.價格理論與實踐，2013（8）：58-59.

［2］柴槡.中國鋼材價格的波動因子與期貨價格指數(shù)研究［D］.上海：復旦大學，2009.

［3］中國期貨業(yè)協(xié)會.鋼材［M］.北京：中國財政經(jīng)濟出版社，2011.

［4］高鐵梅.計量經(jīng)濟分析方法與建模［M］.第二版.北京：清華大學出版社，2009.

［5］J.M.伍德里奇.計量經(jīng)濟學導論［M］.第三版.北京：人民大學出版社，1996.

2095－6835（2018）20－0068－03

F764.2

A

10.15913/j.cnki.kjycx.2018.20.068

周耀邦（1974—），男，浙江溫州人，碩士，浙江省數(shù)據(jù)管理有限公司總經(jīng)理，主要研究方向為大數(shù)據(jù)。王敏（1985—），女，江西鄱陽人，碩士，主要研究方向為云計算、大數(shù)據(jù)、機器學習。

〔編輯：嚴麗琴〕