重庆市能源供给价格不确定性预测分析

[摘 要]与传统的确定性预测不同，本文运用蒙特卡洛模拟算法，引入不确定性分析思想，实现概率化的预测和分析，对于实际工作具有重要意义。以重庆市为例，并对确定性预测和不确定预测结果进行了比较，结果显示本方法对于实际工作的有效性和应用价值。

[关键词]能源供给价格；预测；不确定性；蒙特卡洛算法；二次指数平滑法

[中图分类号]F062.1 [文献标识码]A [文章编号]1005-6432（2013）34-0143-02

1 引 言

能源是国民经济的基础产业和战略性资源，是保障和促进经济增长与社会发展的重要物质基础。随着重庆市国民经济快速增长，对能源的需求大幅度增长，从1997年的2030万吨增长到2010年的7117万吨，增长了2.5倍；与此同时，重庆市的能源生产从净输出转变为净输入，2004年重庆市从外省区净输入能源241万吨，占当年能源消费7%，以后逐年递增，2010年净输入能源2627万吨，占当年能源消费37%（《重庆市统计年鉴》（2000—2011年））。能源供需矛盾日益突出。未来随着重庆市经济发展，能源需求的增长具有长期趋势；而外部由于国内外宏观经济形势的不确定性，导致重庆市能源输入的量和价格都具有不确定性，对经济发展造成许多不利影响。因此，准确预测未来重庆市能源价格的变化趋势，对于保障重庆市经济健康发展及能源安全具有重要意义。

目前国内外关于能源供给价格预测的研究主要集中于确定性预测，即给出一个确切的数值，但是无法估计该数值可能出现的概率，同时也无法确定预测结果可能的波动范围。其结果只适合于长期战略规划。如：吴令云等（2006）以原油需求量及其平方作为自变量，通过建立回归模型，预测原油价格，发现石油价格由当年需求、其平方决定，且平方项系数为正，说明世界油价格随着需求的增长有加速增长趋势。袁霓（2009）利用ARCH模型研究了我国油价市场的波动，结果表明：我国国内原油价格收益率序列呈现明显的GARCH效应，国内油价波动受国际油价的冲击性较高，并呈现较长的持续性。肖龙阶，仲伟俊（2009）运用ARIMA模型对我国石油价格进行预测分析，结果表明：短期预测结果模拟值与实际值十分接近，但随着时间推移，预测精度下降。孟军（2012）利用BP神经网络预测了内蒙古未来能源价格的波动。Chiu et al.（2010）考察了EWMA、stable density、Kernel density、Hull and White、GARCH-GPD以及混合预测模型对Brent和WTI的原油价格的预测结果，表明Hull and White模型预测结果更符合实际。

实际上，由于预测问题的超前性，实现不确定性的预测更符合短期客观需求。利用不确定性的预测结果有助于决策者在能源规划、风险分析、可靠性评估等方面更好地把握数据的变化情况。为此，本文引入不确定性的分析思想，运用蒙特卡洛模拟算法实现不确定性的预测和分析。这种分析方法可以在传统预测方法只给出几个确定值的基础上，设法描述未来能源价格取值的可能范围，即各种预测结果的概率分布函数及置信区间等，以达到更佳的预测效果。

2 蒙特卡洛模拟算法与模型的构建

2.1 蒙特卡洛模拟原理及预测方法

蒙特卡洛算法由数学家冯·诺伊曼用驰名世界的赌城Monte Carlo命名，又称统计模拟实验法、随机模拟法，属于实验数学的一个分支。它是以统计抽样理论为基础，利用随机数，通过对有关随机变量的统计，抽样实验或随机模拟，以求得统计特征值（如均值等）作为待解问题的数值解，是求解工程技术问题近似解的一种数值计算方法。蒙特卡洛法的特点是预测结果给出了预测值的最大值、最小值和最可能值，给出了预测值的区间范围及分布规律。在多要素的复杂系统中，这种方法给出的预测结果更为科学、合理。它可应用于随机变量服从任意分布、随机变量任意组合的可靠度计算，其方法简单、便于编制计算机程序，能够保证依概率收敛，计算精度随模拟次数的增加而提高。利用蒙特卡洛进行能源价格预测的步骤如下：

（1）确定能源价格趋势的数学模型；

（2）分析能源价格历史数据的概率分布；

（3）应用软件产生数据的随机数并代入模型，进行模拟运算从而产生预测结果（该结果以随机变量的形式出现）。

2.2 能源价格趋势模型

为了实现不确定性预测，首先建立能源价格趋势预测模型。为了能在模拟过程中，充分利用历史数据，本文采用二次指数平滑法预测公式建立能源价格趋势数学模型。其计算公式如下：

3 实证分析

3.1 数据来源

本文样本区间为1999—2011年，基础数据来源于各年的《重庆统计年鉴》。由于统计年鉴没有专门公布能源的价格，《重庆统计年鉴》能够查到的数据只有原材料、燃料、动力购进价格指数，且只有1999年后的数据。因此，在本文中，能源价格采用燃料、动力购进价格指数代替，并且用CPI（居民消费价格指数）进行了平减，均换算成以1999年为基年的定基指数。

3.2 二次指数平滑公式中各参数估计及预测值

利用Eviews6.0软件，计算得二次指数平滑公式中参数α=0.284。根据公式（2）可以预测重庆市2012—2020年能源价格指数（见下表）。

3.3 蒙特卡洛模拟

由于蒙特卡洛模拟算法需要首先确定能源价格指数数据的概率分布，而能源价格指数数据属于时间序列数据，且具有增长趋势，因而难以从理论上确定其概率分布。本文假定各年能源价格指数服从均值为当年实际观测值，方差为13的正态分布。利用软件进行1000次模拟，即可得到2012—2020年各年份重庆市能源价格指数预测结果，见上表。其中2012年预测结果概率分布见图1，2020年预测结果概率分布见图2。其他年份预测结果概率分布由于篇幅所限不再列出。

从运算结果得知：2012年不确定预测值均值为182.7531，最小值为154.1343，最大值为210.9714，±5%标准差为28.8094，90%置信区间为（168.8813，197.6907）。采用确定性算法所得的预测值为182.7457，包含在采用蒙特卡洛算法所得的预测范围内。与确定性计算方法得出的结果相比，蒙特卡洛算法更细致地反映了预测的不确定性，并通过概率分布的方式直观地展现了未来能源供给价格指数的各种可能的取值方式及其对应概率，有更大的参考价值。同时，期望值的计算结果与传统模式的计算结果接近，但也存在一定的差异，这恰好反映了确定性计算与不确定性计算的区别。

4 结 论

常规的预测结果一般都是确定性的，只是给出一个确切的数值，但是无法估计该数值可能出现的概率，同时也无法确定预测结果可能的波动范围，其结果只适合于长期战略规划。实际上，由于预测问题的超前性，实现不确定性的预测更符合短期客观需求。利用不确定性的预测结果有助于决策者在能源规划、风险分析、可靠性评估等方面更好地把握数据的变化情况。本文采用二次指数平滑预测模型，并利用蒙特卡洛算法来处理问题的不确定性。最后通过重庆市能源价格指数预测实例计算，验证了该方法的有效性和应用价值。

参考文献：

[1]吴令云，施永香，吴诚鸥.世界石油价格长期预报的一个数学模型[J].统计与决策，2006（11）：153-154.

[2]袁霓.国内油价市场波动的ARCH模型分析[J].技术经济与管理研究，2009（1）：8-12.

[3]肖龙阶，仲伟俊.基于ARIMA模型的我国石油价格预测分析[J].南京航空航天大学学报（社会科学版），2009（12）：41-46.