加入WTO后,随着各类商品市场的进一步放开,国内经济受国际经济波动影响的程度和范围也明显加深、扩大。据调查,目前大多数商品的国内市场价格等于或高于国际市场价格,导致国际市场价格的波动对国内价格的稳定产生了重大影响。因此对主要进口商品的国际市场价格进行监测、分析及预测是非常必要的。国家发改委价格监测中心正致力于开发“价格监测系统”,以实现国际价格监测和价格鉴证的功能。本人有幸参与了其中价格预测部分的子项目。该项目的主要目的是运用随机时间序列预测方法对33种商品的国际市场价格进行分析并做出下一期的预测,以此作为制定未来物价政策和间接调控国内物价的参考指标。而该预测的科学性在很大程度上取决于正确选择科学的预测方法,即预测方法的选择成为关键。统计预测方法的理论研究发展迅速,至今已超过150种。按预测的性质,可分为定性预测法、回归预测法、时间序列预测法三类。定性预测法普遍适用于对缺乏历史统计资料或趋势面临转折的事件进行预测,可用于长期预测和对新产品的预测,具有较大的灵活性,但易受主观因素的影响。回归预测法适用于对各变量之间的关系做出解释,能够解释大部分经济现象;可被用来做中、长期预测;既可以做点预测,又可以做区间预测,但需要为两个或两个以上的变量收集数据资料,成本较高。时间序列预测法研究的是某一变量随时间发展变化的规律,并用该变量的以往数据建立模型做外推预测,特别适合于处理复杂的时间序列,以及存在多种模式的预测情况,它能利用一套明确规定的准则来处理这些复杂的模式,是一种精确度很高的短期预测方法。因此,时序预测方法成为应用最广泛的预测方法之一。传统的时间序列预测模型有移动平均与分解模型、指数平滑模型,随机游走模型等;现代时间序列预测模型则包括ARMA模型族、ARFIMA模型、ARCH/GARCH族、SV模型、神经网络模型等。灰色预测法是时间序列预测法的一种,具有计算量小,计算方便和预测精度高等优点。GM ( 1, 1)模型作为最具代表性的灰色预测模型,对于具有明显上升趋势而又难以获取大量数据的时间序列,预测效果极佳,能达到一般模型难以达到的精度,尤其对于中短期预测来说,更是上上之选。但是对变化非平稳或具有结构突变的原始数据序列的拟合度较差,预测精度较低。神经网络预测模型的思想是在给定的预测精度下通过给定的训练样本进行机器训练,建立输出与输入之间的函数关系,即为预测方程,精确度高,适合于处理各种时序数据样本中蕴含的线性或非线性关系。但是待处理的数据量非常巨大,因而计算量也很大。我国对其理论的继承从上世纪80年代就开始了,但在实际应用领域还处于相当落后的阶段。目前对这些商品国际价格的预测采用的是七步移动平均法。该方法简单,易操作,但是准确性不高。由于国际市场价格的波动随机型较强,它已不能适应其预测需求,需要一种更为科学的数学模型来进行预测。考虑到模型要兼顾适用性,成本和精确度,我们必须寻找一种同时满足精度和成本要求的预测方法。而对于那些较为复杂的建模方法,虽然精度高,但预测成本过大。所以本文希望对以上统计预测方法的适用性进行比较研究,并对几种最常用的时序预测方法做实证建模分析,按照统计方法的选择原则找到最适合商品国际价格预测的方法,实现理论与实践的结合。具体内容分为两个部分:第一部分,理论部分(前三章):1.介绍课题研究背景及其意义:在应用领域的研究方向;国内外统计预测方法研究的现状及发展趋势;本课题的研究目的。2.介绍常用的几种统计预测方法,并分析各自的适用性,为后面的实证分析选择预测方法提供参考:统计预测相关概念;三大统计预测方法的适用条件,及各自适用性的对比分析。3.详细介绍了时间序列预测方法。由于时序数据随时间变动的统计特性呈多样化,所以本章通过介绍时间序列的四大构成因素:长期趋势、季节变动、循环变动和随机性因素,引出几种典型的时序预测方法,包括移动平均法、指数平滑法、趋势预测法、季节预测法、随机时间序列建模预测法,并重点阐述了移动平均法、指数平滑法、ARMA、ARIMA模型的系列建模思路和步骤。其中还特别阐述了时序数据广泛存在的结构突变情况,单位根检验以及结构突变的趋势稳定序列的建模问题(仍属于随机时序建模范畴)。第二部分,随机时间序列建模适用性研究的实证分析(第四章):这是本文重点。着眼于实际应用中的具体情况(本课题获得的数据信息存在一些局限性,且序列整体呈结构突变的特征),结合前面对各种预测方法的分析,我选择用于实证分析的方法包括:移动平均法、指数平滑法以及随机时间序列预测法。在实证研究中,通过衡量误差指标对三种方法进行比较分析,来说明随机时间序列模型是最优方案。