秦皇岛煤炭价格影响因素及预测研究

王海运，陈梦洁，洪欣琪

（安徽财经大学，安徽 蚌埠 233000）

引言

我国煤炭的消耗量一直以来居于能源消耗首位，煤炭在短期内会一直是我国不可替代的主体能源，因此煤炭行业的稳健发展十分重要。此外煤炭行业的发展关系到使用煤炭作为能源的各行各业，同样关系到国家能源结构是否可以得到有效调整。为了更好地研究煤炭业发展现状，使用煤炭价格作为反映煤炭业发展情况的指标，通过预测煤炭价格的走势分析煤炭业发展状况，提出煤炭业目前存在的问题以及相应的建议。煤炭的价格受到很多因素的影响，且价格的波动较大，自2012年开始，煤炭价格出现了下跌的趋势，在2017年后价格又趋于稳定。

煤炭价格的影响因素有很多，王延伟等基于供求理论将煤炭价格影响因素分为内部供需影响因素和市场外部影响因素，研究煤炭价格走势与影响因素之间的关系[1]。王仕忠构建煤炭价格影响因素层次体系，结合供需关系探究影响煤炭价格的根本因素[2]。朱吉茂从供需、价值、进口和政策四个方面分析了煤炭价格的影响因素，基于影响因素对长期煤炭价格进行了预测[3]。袁显平等基于供给、需求、运输和库存的视角，结合VAR模型与格兰杰因果检验对煤炭价格的影响因素进行了研究[4]。可以发现现有文献大都基于供求理论对煤炭价格影响因素进行探究，很少有研究结合宏观数据以及调控政策探究煤炭价格的影响因素，综合考虑各种影响因素可能会使煤炭价格的预测更加准确。

关于煤炭价格预测方面，王广成等采用随机序列线性模型对煤炭价格进行预测，但是该模型只可以用于短期预测，进行长期预测时会出现较大的误差[5]。为了对煤炭价格进行长期预测，王喜莲建立了煤炭价格函数，使用IPO定理进行求解，再结合计算机VC语言进行编程，对陕西省煤炭价格进行了预测，但是该方法的使用范围具有局限性，很难处理数据多的情形[6]。许晴等使用了基于因素分析的向量机模型对煤炭价格进行预测，研究结果表明该模型的预测效果较好，但是该方法不能考虑多种影响因素[7]。李朋林等使用BP神经网络对煤炭价格建模，预测结果表明预测精度较高，适合使用该模型对煤炭价格进行预测[8]，但是该模型没有考虑突发事件对煤炭价格的影响。

目前对煤炭价格的研究，已有的文献大都单一地研究影响因素或者单一地进行煤炭价格预测，将影响因素对煤炭价格预测结合的研究较少，还没有学者研究出在二者结合的基础上加入突发事件对煤炭价格结构性变化预测模型。

一、影响因素分析

通过对经济意义分析和众多文献的参考初步选定了以下14个对煤炭价格产生影响的因素：国内生产总值（GDP）、第二产业增加值（aos）、第二产业固定资产投资完成额累计值（aoc）、燃料动力类工业生产者购进价格指数（PPP）、消费者信心指数（CCI）、煤及褐煤出口额（cle）、公路水路运输业全社会固定资产投资完成额累计值（ic）、居民消费价格指数（CPI）、公共预算支出（pbe）、公共预算收入（pbr）、税收收入（tax）、货币供应量（M2）、城乡收入差距（uig）和恩格尔系数（eng），数据来源于中经网统计数据库、国泰安数据库、海关总署官网数据库和中华人民共和国交通运输部官网数据库。

国内生产总值（GDP）：国内生产总值的提高代表着对能源有更大的需求，所以选择国内生产总值作为煤炭价格的影响因素。

第二产业增加值（aos）：第二产业发展与能源消费密切相关。煤炭是第二产业的关键产能，因此将第二产业增加量作为影响煤炭价格的关键因素。

第二产业固定资产投资完成额累计值（aoc）：固定资产投入产生的成本与产能之间的矛盾，对能源价格以及行业发展都会产生深远的影响。因此引入第二产业固定资产投资完成额累计值作为影响煤炭价格的主要因素。

燃料动力类工业生产者购进价格指数（PPP）：当指数高于同期工业生产者出厂价格指数时，表明企业经营压力增加，利润空间被进一步压缩。

消费者信心指数（CCI）：综合反映并量化消费者对目前经济走势的预测评判和对未来收入及消费心理状态的主观感受。

煤及褐煤出口额（cle）：煤炭作为资源型物资,维持着一个国家基建运转生产，所以煤及褐煤出口额的变动影响煤炭价格的变动。

公路水路运输业全社会固定资产投资完成额累计值（ic）：我国煤炭运输的方式有很多种，基本上依靠公路和水路运输，当其中固定资产投入较多时会更加便捷地降低成本，对煤炭价格产生影响。

居民消费价格指数（CPI）：消费者物价指数水平不仅反映消费者的购买能力，与国民生产水平反映经济水平波动类似，影响煤炭价格。

公共预算支出（pbe）：公共财政支出能够提供资金支持，特别是基于第二产业的行业属性。政府的支持对行业的发展进步促进作用明显，更是对能源价格有着显著的影响。

公共预算收入（pbr）：煤炭产业所产生的关键问题便是污染问题，政府通过调整公共预算收入能够影响煤炭产量进而影响煤炭价格。

税收收入（tax）：当政府对煤炭企业征税时，企业可用于生产的资金减少，产量下降，必然对其价格产生影响。税收作为政府的财政政策，联动影响力较大，所以政府对税收的调整较为慎重。

货币供应量（M2）：一国在某一时期内为社会经济运转服务的货币存量可能对煤炭价格产生影响，货币供给量增加会导致居民消费增加，因此厂商会增加生产，从而导致煤炭消耗量增加。

城乡收入差距（uig）：衡量我国城镇居民收入与农村居民收入之差，是制约经济均衡发展的关键因素。其计算公式为uig=Ic-In，其中，Ic代表城市居民收入水平，In代表农村居民收入水平。

恩格尔系数（eng）：恩格尔系数为食品支出占总消费支出的比例，随收入变化而变化，其计算公式为：恩格尔系数=（食品支出总额/家庭或个人消费支出总额）*100%，一般恩格尔系数与家庭生活贫困程度呈反比。

二、模型的建立

（一）煤炭价格数据说明

秦皇岛是全球最大的煤炭输出港口，选取2006年7月—2020年4月的秦皇岛港动力煤周度价格进行预测，图1为秦皇岛港动力煤周度价格的波动曲线。从图1可以看出煤炭价格在2015年以前的波动较大，在2017年过后价格逐渐趋于平稳。因此现阶段对煤炭价格进行预测，能够更好地贴合未来的实际价格，研究具有实际意义。

图1 秦皇岛动力煤周度价格曲线

（二）灰色关联度及相关系数选取影响煤炭价格的指标

为了能更好地预测煤炭价格，将同时考虑灰色关联度[9]γ关联度和相关系数γ相关系数，建立综合系数γ，通过γ值的排序，选取关联度最高的10个指标作为煤炭价格的影响因素，综合系数γ形式为：

各指标的γ值见表1。

表1 各指标的γ值

根据该综合系数γ值的排序选取了最为重要的10个指标作为煤炭价格的影响因素，并对指标进行分类，见图2。

图2 煤炭价格影响因素及其分类

通过得到的影响因素指标可以看出，煤炭价格受多种因素影响，这些影响可以分成宏观经济类、调控政策类以及生活水平三类。通过综合系数γ值发现煤炭价格受到宏观经济的影响最大，且煤及褐煤出口额的综合系数γ值最大，说明煤炭出口价格与国内煤炭价格联系紧密。此外调控政策和生活水平都对煤炭价格产生影响，调控政策中的货币发行量与煤炭价格的关联度最高，生活水平中的居民消费价格指数与煤炭价格的关联度最高，这两者都会导致消费者的消费增加，这样会使厂商的生产增加，从而导致煤炭的消耗量增加。

（三）因子分析

因为选取的影响因素比较多，需通过因子分析在许多变量中找出隐藏的具有代表性的因子。使用降维技术将相同本质的变量归入一个因子，对存在多重共线性的变量进行因子提取，然后对因子变量进行回归模型的建立，解决由于多重共线性而造成伪回归方程的问题[10]。为了检验因子分析是否可用，对指标进行了KMO检验和Bartlett球形检验，结果见下表2。

表2 KMO检验和Bartlett球形检验

由KMO检验和Bartlett球形检验结果得出：KMO检验值为0.795，适合做因子分析；Bartlett球形检验结果值为125.112286，且其对应的相伴概率值为0，小于0.01，应拒绝零假设H0，认为相关系数不可能是单位阵，即原始变量间存在相关性。两项结果均显示适合做因子分析。

对因子提取和因子载荷矩阵求解，首先将原有变量数据进行标准化处理，然后计算变量的简单相关系数矩阵R，最后求相关系数矩阵R的特征值λ和单位特征向量μ。

因子分析利用上述P个特征值λ和P个单位特征向量μ，并在此基础上计算因子载荷矩阵：

根据特征值和因子的累计方差贡献率确定因子数，选取前k个因子的因子载荷矩阵，结果如表3。

表3 因子的累计方差贡献率

由方差的百分比可得，前三个因子的百分比贡献已经超出了80%，达到了85.660%，因此可以说明这三个因子包含了第二节指标中的绝大部分信息，因此可以将10个指标转化成三个综合因子，通过综合因子探究各影响因素与煤炭价格之间的关系。根据旋转后的因子矩阵计算因子得分，得到综合因子与原指标之间的线性关系，并对其进行命名和解释，因子得分的结果见下表4。

表4 因子得分

续表4

由表4可得下列三个综合因子对应的因子方程，如下：

（四）BP神经网络

使用基于LM算法的BP神经网络对样本进行训练[11]，其BP神经网络的网络拓扑结构见图3。

图3 BP神经网络的网络拓扑结构图

设BP网络的输入层有n个节点，隐层有q个节点，输出层有m个节点，输入层与隐层之间的权值为νkj，隐层与输出层之间的权值为wjk，如图3所示。隐层的传递函数为f1(·)，输出层的传递函数为f2(·)，则隐层节点的输出为（将阈值写入求和项中）：

输出层节点的输出为：

BP网络完成n维空间向量对m维空间向量的映射。

根据以上原理，可以将人工神经网络[3]计算过程归纳为如下几步：

1.初始值选择w(0)；

2.前向计算，求出所有神经元的输出：ak(t)；

3.对输出层计算δ：δj=(tj-aj)aj(1-aj)；

5.计算并保存各权值修正量：△wji(t)=-ηδjaj；

6.修正权值：wij(t+1)=wij(t)+△wji；

7.判断是否收敛，如果收敛则结束，不收敛则转至步骤3。

初次建模先抽样70%作为训练样本，用于完成自学习构建神经网络模型，30%作为支持样本，用于评估所建立模型的性能，暂不分配检验样本。结果显示测试相对错误率为33.2%，所以第二次分析新增检验样本21.8%，支持样本为32%，相对错误率降至5.7%，输出最终的模型结果。

模型包括1个输入层、1个隐藏层和1个输出层，输入层神经元个数4个，隐藏层神经元个数4个，输出层神经元个数1个。利用已提取出的三个因子对煤炭价格进行预测。预测到2020年12月30日的周度数据，预测的结果见图4。

图4 煤炭价格预测图

从图4可以看出，2020年煤炭价格总体没有较大的浮动，煤炭价格在490—550元浮动，说明我国煤炭行业的改革政策已有成效，煤炭价格波动总体在一个合理的区间，没有极端值的出现。

（五）价格极差的走势

考虑到要研究煤炭价格影响因素在结构性和重要性方面的变化，拟对煤炭价格变化进行分段研究，利用价格极差模型选取极差较大的区间，再结合极差的趋势，对每个区间分别进行因子分析，比较不同区间因子值的变化，得到各种情况引起的煤炭价格影响因素在结构性方面的改变。将可以分析价格结构性的价格极差与BP神经网络分析结合，为了使模型能够更好地拟合，在模型中引入示性函数1ω(·)，当未来有影响煤炭价格事件ω发生时，示性函数1ω(·)的取值为1，否则取值为0。建立基于价格极差并引入示性函数的BP神经网络价格预测模型。

先来看一下价格极差的简单性质，已经得到t-1之前的信息，假定在第t天内煤炭价格的对数1npt,r的变化满足无漂移的扩散过程，即在［t-1，t］这段时间内1npt,r满足d1npt,r=σdWr(t-1≤r≤t)[12]，此时就可以得到第t天内的价格极差Xt，然后根据极值出现的顺序将极差分为Xt+，称之为正向极差（极大值出现在极小值的前面），Xt-称之为负向极差（极小值出现在极大值的前面），Xt+和Xt-的计算公式分别为：

选取2019年5月—2020年4月的煤炭价格作为研究对象，区间长度选择为30天，得到了每个区间的极差，见表5。

表5 价格极差表

为了对影响因素的来源进行解释，根据之前的影响因素指标分类，得到了下列三个表格,分别为宏观经济因子表、调控政策因子表、生活水平因子表，见表6、表7、表8。

表6 宏观经济因子表

表7 调控政策因子表

表8 生活水平因子表

分情况对Xt+和Xt-绘制出极差值与因子数据图，为了方便观测，每个因子乘以10，见图5、图6。

图5 Xt+与因子走势图

图6 Xt-与因子走势图

不难发现正向极差与宏观调控因子以及生活水平因子的走势都很接近，而负向极差和调控政策因子的走势图更加一致，说明价格极差的走势与价格结构性变化拥有相同的趋势。

此外，因为突发事件的影响，煤炭的价格极差走势在8、9、10区间发生了变化，由正向极差转向了负向极差，此时煤炭价格的主要影响因素转化为调控因子，这很好地贴合了实际，因此可以结合极差走势更好地研究煤炭价格变化的影响因素。

（六）结合价格极差走势的综合煤炭价格预测模型

多种因素都会影响煤炭价格，导致价格常年处于反复波动的状态。为了更好地对价格进行预测，将得到的数据进行归一化处理[13]，使得煤炭的价格在区间［0，1］内，处理的公式如下：

再对煤炭价格进行反归一化处理：

接着建立如下模型：

其中，Y表示预测价格，Xn（n=1，2，3）表示因子，α、β、γ、η表示参数，et表示残差，1ω（·）表示未来有影响煤炭价格事件ω是否发生的示性函数，Xt表示价格极差。

接着用BP神经网络对模型进行预测，BP神经网络操作的步骤与之前相同。假设突发事件ω每隔5天发生一次，利用极差走势对数据进行分类，然后再进行综合实证，模型的拟合效果如图7所示。

图7 综合模型预测效果拟合图

由此可见基于价格极差的BP神经网络模型对煤炭价格预测的拟合效果很好，可以使用该模型对煤炭价格进行预测。

三、结论和建议

从宏观经济、调控政策以及生活水平三个大方面选取14个指标，建立综合系数γ，通过对综合系数γ值进行排序，选取了国内生产总值、第二产业增加值、煤及褐煤出口额、公共预算支出、公共预算收入、税收收入、货币供应量、恩格尔系数、城乡收入差距和居民消费价格指数这10个指标作为解释变量，通过因子分析提取了三个综合因子，再结合BP神经网络对煤炭价格进行预测。通过引入价格极差的走势和示性函数探究煤炭价格结构性变化的原因以及突发事件对煤炭价格的影响，最后建立了综合煤炭价格预测模型，研究结果显示该模型的吻合度较高，适合用于煤炭价格的预测。

2020年是我国供给侧改革实施的第5年，也是我国能源转型的关键时期，合理地淘汰落后产能能够有效提高能源产出的质量，因此积极推进产业整合变得至关重要。政府应重点关注煤炭企业兼并重组进程的推进，要促进煤炭产业的发展就要在工业产业生产过程中提高效率和产能。政府应鼓励煤炭企业“以大并小，以优并劣”，以大型煤炭企业为主导，发挥其生产经营优势，提高集约化水平。由因素影响程度排序可知，政策调控指标体系下的因素对煤炭价格的影响力较大，如政府税收、公共收入等，说明政府政策调整会很大程度上改变煤炭行业经济发展动向。所以政府在一定程度上要把煤炭行业所存在的经济问题交给市场解决。政府应在营造健康有序的市场环境以及保护自然环境上下功夫，帮助煤炭产业树立行业规范、走出经济低谷，在未来赢得市场竞争力。

考虑到突发状况的冲击，政府应强调发挥煤炭企业内部传导机制[14]。面对不确定的未来情况要以安全性、稳定性为前提进行经济规划布局，尽可能将突发事件造成的冲击降到最低，减少企业损失。从政府制定经济政策出发，在经济市场由于外部突发冲击动荡时期，向煤炭等工业企业实施优惠政策，如减税、提高公共财政支出等方式。