基于时间序列分析的港口吞吐量预测

◇赵一棋

市场预测是确定港口建设规模的前提，是提高项目经济效益和社会效益的关键。据中经网发布的全国沿海港口外贸

图1 全国沿海港口外贸货物吞吐量时序图

从图1可以看出，全国沿海港口外贸货物吞吐量波动递增，并且呈现一定的周期性。对数据进行处理，首先，进行一阶货物吞吐量数据，近几年我国沿海港口外贸货物的吞吐量一直在上升。受对外开放、“一带一路”倡议等政策的影响，外贸货物增长趋势明显，同时港口货物吞吐量也是波动上升。对港口货物吞吐量的合理预测，可以为港口建设提供参考建议，亦可通过供求关系合理配置港口资源，提高港口的利用率。

一、ARIMA模型建模

1.数据预处理

利用中经网发布的2008年5月到2018年5月全国沿海港口外贸货物吞吐量的数据，做出时序图，观察数据的波动情况。差分，得到新的序列

图2 一阶差分后时序图

利用差分后的序列做出时序图。从图1可以看出，数据经过一阶差分后在某一个均值上下波动，趋势被消除，变得平稳。而数据的波动性仍呈现一定的规律性，说明数据是具有一定周期性的。由于数据为月度数据，再对其进行12步差分，提取周期信息，得到周期差分后序列，再做出周期差分后的时序图。

图3 全国沿海港口外贸货物吞吐量一阶12步差分后时序图

从图3可看出，一阶差分后的数据呈现不规则波动，直观上看也是没有明显趋势的平稳序列。

2.平稳性检验

使用ADF检验对其进行平稳性检验。

表1 一阶12步差分后序列的ADF检验结果

从ADF检验结果中可以看到，当显著性水平为0.05时，一阶12步差分后的序列是平稳的。

图4 1阶12步差分后自相关系数和偏自相关系数

3．随机性检验

经过处理，数据达到平稳后，对数据进行纯随机性检验结果如表2。

表2 序列的随机性检验

从白噪声检验的结果看，在显著性水平为0.05时，数据为非白噪声序列，即序列有建模必要。

4．构建乘积季节模型

观察数据波动的规律，序列可能具有季节效应，并且具有短期相关性，因此考虑使用乘积季节模型进行建模。模型的结构为：

模型可以简记为 ARIMA（p，d，q）×（P，D，Q）。

（1）模型定阶

由于序列既具有季节效应，又有短期相关性，结合自相关函数与偏自相关函数图，首先考虑延迟12阶以内的自相关系数，可以看到无论是自相关函数还是偏自相关函数图的自相关系数都拖尾，可以考虑建立ARMA（1,1）模型提取差分序列后的短期自相关信息。

观察延迟12阶和24阶的自相关系数，发现自相关函数延迟12阶的自相关系数落在两倍标准差之外，而延迟24阶的自相关系数掉落两倍标准差内，可以视为其自相关函数截尾，而偏自相关函数的延迟12阶自相关系数与24阶的自相关系数并没有明显变化，因此可以尝试建立以12步为周期的ARMA（0，1）12，提取差分后序列的季节自相关信息，建立 ARIMA（1，1，1）×（0，1，1）12模型。

（2）参数估计

用条件最小二乘法估计模型参数，估计结果如下。从表中可以看出，在显著性水平为0.05的情况下，模型的参数都很显著。

表3 参数估计结果

因此，模型为：

（3）模型检验

随后，检验模型对序列的信息提取是否充分，对残差进行白噪声检验，得到如下结果。

表4 残差的白噪声检查结果

图5 模型拟合效果图

从残差的白噪声检验中可以看出。从表中可以看到，P值均大于0.05，即残差为白噪声，说明模型对序列的信息提取充分，解释性较好。

绘制出拟合效果图（见图5）。

二、预测与结论建议

1．乘积季节模型预测结果

进行未来几个月的预测，得到预测结果见表5。

表5 2018年下半年预测结果（单位：亿吨）

2.结论与建议

从表5可以看出，我国沿海港口的外贸货物吞吐量还会继续上升，且预测未来一年内最大吞吐量将会达到3.1亿吨，可见港口战略地位的重要。

未来港口建设需要继续投入资金，适当扩建港口规模，以使相应资源配置能够跟上货物运输需要，使对外经济贸易不会因为港口的最大吞吐量受限。

在我国对外开放持续深化的背景下，出口更为活跃，沿海港口是进出口的门户，因此外贸货物吞吐量的上升是可以预料的，本文的模型则是更为精确衡量了未来沿海港口外贸货物吞吐量究竟会按怎样的规律上升。预测结果表明吞吐量增长较大，对港口的吞吐效率提出了更高的要求。因此，未来港口建设需要继续投入资金进行建设，适当扩建港口，以使相应资源配置能够跟上货物的运输，使对外经济贸易不会因为港口的吞吐量增大而受限。

乘积季节模型揭示了港口外贸货物吞吐量的周期性变动，每年年末、年初都是吞吐淡季，而转入夏季时，吞吐量则会有较大上升。到了秋季，港口的吞吐量会进入“平台期”，在较高的吞吐量处保持稳定。这可以为港口的货运管理提供参考，在旺季增加服务人员，提高机器工作效率，促进淡旺季吞吐量平衡，以使港口得到更加充分的利用。