世界石油价格长期预报的一个数学模型
国际石油价格预测模型综述
者关注石油价格的波动，７ 年代 中后期的两次战 ０
争引起了石油危机 ，导致石油价格剧烈波动 ，近
年来国际石油价格更是上升迅速，一路高涨 ，而
且 波动频 繁 ，除 了给 工业 化 国家 带来 了 冲击 ，同
时也引起 了学术界对油价波动原 因及其预测模型
的广 泛研 究 ，油 价 问题 成 为 全球 关 注 的焦 点 。经
输入层隐藏层输出层图3神经网络模型图神经网络预测模型也只是作为世界石油价格预测模型的部分支撑很多模型都是综合运用各种预测方法而设计石油价格的预测所以有专家认为神经网络预测不涉及到具体如何运算的问题只是像一个黑箱一样指定输入与输出值然后在网络内部根据神经元的组织结构对神经元进行不同比重的加权由于这种特点使其具有较强的自我学习能力和适应能力同时会产生极大的不易解释性由于神经网络的容错能力较强现在很多预测专家都采用此法进行石油价格预测的研究
季 托 孙彦 彬
（ 东北 石油大 学 ，大庆 １３１） ６３８
［ 摘 要］ 按 照时间的顺序 ，从 非正式模型 、理论模 型和模 拟模型 ３个 角度 综述 了世界石 油价格 的
预测模型 。其 中，石 油价格 的非正式预测模型 简单 易懂 ，对政 策的制 定和社会 经济发展影响较 大；理论模
第 ９期 （ 总第 ２５期） １ ２ １ 年 ９月 ０１
工 业技 术 经 济
ｏ ｎ ｕ ｔ ａ ｅ ｈ ｏｏ ｉａ ｅ ｎ ｍｉ ｆＩｄ ｓｒ ｌＴ ｃ ｎ ｌｇｃ ｌＥ ｏ ｏ ｅ ｉ ￣
Ｎ ． Ｃ ｎｒｌ ｏ２５ ｏ９（， ｅａ，Ｎ ．１） ｅ
Ｓ ． １ 印 ２ １ ０
国际石 油 价格 预测模 型综 述
特林 （ ｏ ｌ ｇ Ｈ ｔｌ ）发表的 《 ｅｉ ｎ 可耗尽资源的经济学》 ，
油价市场预测模型改
油价市场预测模型摘要进入20世纪以来，人类对资源的需求量不断加大，石油作为一种主要能源，已经和国家的生产仅仅挂钩，同时油价也成为人们日益关注的对象，新汽车，小排量汽车已经愈来愈收到人们的欢迎。
本文对油价，湖北省车市进行了预测分析，并且探究了油价以及车市对环境的影响。
针对问题一、查阅资料得知影响油价的主要因素有供需关系、人均GDP ，汽车保有量，所以利用这3个因素建立单因子分析模型，得到结论是这三个因素和油价有很强的正相关。
由于油价受多种复杂的因素影，所以我们利用近两年的月对今年公务用车和油价两个因素并结合居民人均GDP 、公交汽车拥有量对湖北汽车市场销售金额回归分析，得到回归方程为：1234=0.1310.1430.1666.951169.04W X X X X -+--归分析，后者通过不同车型的国际标准废物排放量指标分析，得到结论：随着油价的上升，废弃的排放量会增加；随着新型能源和小型汽车数量的增加，未来污染总指数还将继续上升，但是到2013年后污染增长的速度将趋于缓和。
本文最大的优点是预测值较为精确，国际原油价格的预测值和实际值的平均相对误差小于6%。
本文的预测值还很合理，发现污染不会不限制的增长，未然将趋于缓和。
关键词： 灰色预测，单因子分析，回归分析，污染总指数一、问题重述油价上涨，环境恶化，改善生态环境、节能减排势在必行。
因此小排量、新能源车型得到推广普及。
本文用matlab 等数学应用软件进行油价，车市以及环境的预测分析，并且分析了影响油价和环境的重要因素。
2012年初，工信部公布了党政机关公务用车选用车型目录征求意见稿，在《2012年度党政机关公务用车选用车型目录（征求意见稿）》所列的412款车型中，全部为自主品牌。
车款目录型号包括轿车、多功能乘用车、越野车和新能源汽车4大类，25家入围企业均为国产自主汽车品牌，进口车与合资车全部出局。
3月中旬，我国汽油、柴油的零售价大幅度攀升，93号汽油零售价高达7.95元/升，97号汽油每升超过8元。
基于马氏链的油价预测模型
数学建模基于马氏链的油价预测模型油价预测模型摘要近年来中国及国际油价变化多端、震荡无常，这种“杂乱无章”的变化为油价的走势推断带来了困难。
而石油价格又是政府部门、原油生产部门和用油单位及投资者关注的焦点，因此，准确并正确的预测未来较长时期的油价变动趋势，将具有重要的意义。
本文将使用马尔科夫链模型来预测油价未来的变化情况。
问题重述1. 基于05~12年的原油价格，预测下半年及13年的油价情况，并与国际油价相对比。
2. 对国家石油机制提出自己的建议。
模型的假设1. 政府干预没有对成品油油价造成影响2. 国内进口原油占国内总原油产量的比例不变3. 国内开采原油的成本与进口原油油价相同4. 收集的数据真实有效模型的建立数据的收集表一05~12年原油价格（单位：美元/桶）二.油价转移状态划分由表可知，油价起伏变化还是很大的，从2005年1月至2008年6月，原油价格从40.26美元/桶提高到140 美元/桶。
此间经历了若干次跳跃式增长，每次跳跃都使油价跃升至一个新的台阶，因而可将这些价格“台阶”看作是油价的转移状态。
由分析可得出，可将油价分为五个转移状态区间（0,50 ）U［50〃0）U［7690）U［9（M10）U|1 讥+ 8）|,并分别因而可将［70, 90）区间看作是中高态，［50, 70）区间看作是中低态，这二者可并称中态；（0 , 50）则为低态；［90 , 110）则为高态，由于110美元后出现超常飙升，可将［110, +乂）看作是超咼态。
三.油价转移状态的构成如果我们用E来表示原油状态（事件）,用E表示油价低状态区间（0 , 50），用E mi表示［50 , 70），用E mh表示［70 ,90）,用E h 表示［90 , 110），用E eh 表示［110 , +乂）,贝S 2005 年1月到2012年6月的油价转移过程可归结为：El —El —El —El —El —Eml—Eml—Em H Em H Eml—Em H Eml—Eml—Eml—Eml—Eml—Eml—Eml—Eml—Eml —Eml —Eml —Eml—Eml—Eml—Eml—Eml—Eml—Eml—Eml—Em—Em—Em—Em—Eh—Eh—Eh—Eh—Eh—Eh—Eeh—Eeh—Eeh—Eeh—Eh—Em—Eml—El —El —El —El —El —Eml—Em—Em—Emh—Em—Emh—Emh—Eml—Emh —Emh—Emh—Emh—Emh—Emh—Emh—Emh—Emh—Eml—Eml—Emh—Eh—Eh—Eh—Eeh—Eh—Eh—Eh—Eh—Emh—Em—Eh—Eh—Eh—Eh—Eh—Eh—Eh—Emh四.判断状态转移链是马尔科夫链表二2005年1月至2012年6月油价各状态之间的转移频数马尔柯夫链的基础概念一一转移概率是条件概率，是以事件（此处为状态）的非独立性为前提的，因而在讨论原油价格跳动转移过程是否是马尔柯夫链时，首先要对事件的非独立性进行检验，这是通过以下统计量来完成的.??= -' ■■■：- - 八i统计学上已证明，它服从自由度为（m一1）2的??2分布。
数学建模B题：市场预测(油价)
大学校区2012年全国大学生数学建模竞赛B题：文斌09机电2班斌09交通1班麻晓维09会计2班市场预测摘要油价上涨，环境恶化，改善生态环境、节能减排势在必行。
因此小排量、新能源车型得到推广普及。
我们用matlab excel 等数学应用软件进行油价车市以及环境的预测分析。
问题一、收集国2005~2010年汽油价格，分析影响油价的主要因素，建立多项式拟合曲线数学模型预测油价的变化趋势。
利用EXCEL绘制出油价的发展趋势图，利用MATLAB计算得出油价随时间的回归方程模型进行预测，从宏观与个体的角度，进行详细分析，得出在不同程度下的油价发展趋势。
问题二、针对今年公务用车和油价两个因素并结合其它主要因素，建立灰色预测数学模型预测地区车市场的变化，限于题目中数据较少，故而我们建立灰色预测模型和多元拟合分别进行预测，用MATLAB进行求解。
问题三、评估车市、油市的变化对环境的影响。
本文最大的特色是采用定性分析与定量分析相结合的方法处理数据，在数据较少的情况下，建立两种模型进行预测，使结果更加可靠。
同时针对问题一和问题三都从不同角度进行详细分析和研究，使本文更具有实际价值。
关键词：Matlab Excel 油价预测灰色预测模型多元回归拟合一、问题重述市场预测2012年初，工信部公布了党政机关公务用车选用车型目录征求意见稿，在《2012年度党政机关公务用车选用车型目录（征求意见稿）》所列的412款车型中，全部为自主品牌。
车款目录型号包括轿车、多功能乘用车、越野车和新能源汽车4大类，25家入围企业均为国产自主汽车品牌，进口车与合资车全部出局。
412款车型中轿车款型265个，排量小于等于1.8L；越野车款型64个，排量小于等于2.5L；多功能商务车78个，排量小于等于2.4L；另外还包括5款新能源车型。
3月中旬，我国汽油、柴油的零售价大幅度攀升，93号汽油零售价高达7.95元/升，97号汽油每升超过8元。
问题1：收集国际国近若干年汽油柴油价格，分析影响油价的主要因素，建立数学模型预测油价。
成品油价数学建模
摘 要针对本题，查阅大量资料，确定十二个影响成品油（以汽油（P1）和柴油（P2）为例）价格的因素，由ISM （系统揭示结构模型）分析法，得到六个主要影响因素。
运用熵权分析法，剔除非主要因素，得到两个最主要因素（国际原油价格（S1），CPI （P2）），运用最小二乘法得到二因素对成品油价产生影响的模型：P1=K1× P1（S1）+K2×P1（S2）+K3， P2=K4× P2（S1）+K5×P2（S2）+K6，并确定各个参数。
利用穷举法法确定最合理的调节周期T=11天，当连续11个工作日CPI 及国际原油价格变化满足公式1112n=1S1+f S2110.04nn ⨯⨯÷≥∑（f ）时，应调节油价。
并根据两个影响因素的变化量确定成品油价格调节的幅度。
关键词：ＩＳＭ分析法 熵权法 最小二乘法 穷举法 国际原油价格 ＣＰＩ MATLAB（一）问题重述成品油的合理定价对国家经济发展及社会和谐稳定具有重要的意义。
中国成品油市场运行机制先后经历了完全计划经济阶段、双轨价格过渡阶段、与国际油价间接接轨阶段等多个主要阶段，目前实行的是2009年出台《成品油价格管理办法（试行）》。
统计数据（附录2）表明，自2009年以来，国内成品油价格共调整17次，其中12次上调，5次下调。
油价的上涨引起了广大消费者的不满，每到成品油调价窗口期，油价话题总会引发热议；与此同时，现行的成品油定价机制也遭到了广泛质疑，定价机制改革的呼声也日益高涨。
请针对中国国情，查阅相关资料，自行收集可靠数据，通过数学建模的方法，提出“更为合理”的成品油定价机制；并给国家发改委提供一篇报告，说明“新定价机制”的优势。
（二）模型假设（本论文以09年至10年数据为根据）假设1:近年国际形势稳定，无大型战争，经济危机产生。
假设2：国内形势稳定。
国家政策较长时间内无较大变动。
假设3:无投机抛售等利用市场漏洞的现象。
原油价格预测中的时间序列分析方法研究
原油价格预测中的时间序列分析方法研究概述原油价格是全球经济的重要指标之一，在很大程度上影响着全球能源市场和经济发展。
准确预测原油价格对于相关行业的参与者以及政府决策者具有重要意义。
时间序列分析是一种常用的预测方法，它基于历史数据，通过研究数据的时间趋势和季节性来预测未来的发展趋势。
本文将探讨在原油价格预测中使用的一些常见的时间序列分析方法。
ARIMA模型ARIMA(Autoregressive Integrated Moving Average)模型是一种常用的时间序列分析方法，它结合了自回归(AR)、差分(Integrated)和移动平均(MA)的特点。
ARIMA模型适用于具有一定平稳性的时间序列数据，它通过观察历史数据的自相关性和部分自相关性来确定模型的参数。
ARIMA模型的一个重要应用是对原油价格进行短期预测。
GARCH模型GARCH(Generalized Autoregressive Conditional Heteroskedasticity)模型是一种广义的自回归条件异方差模型，它适用于具有异方差性的时间序列数据。
在原油价格预测中，价格的波动性往往不是恒定的，GARCH模型能够捕捉到这种异方差性。
GARCH模型的优点是可以提供更准确的价格预测，但缺点是参数估计比较复杂。
VAR模型VAR(Vector Autoregression)模型是一种多变量时间序列分析模型，它可以同时考虑多个变量之间的相互关系。
在原油价格预测中，VAR模型可以考虑到原油价格与其他经济指标之间的相互影响。
VAR模型通过估计每个变量的滞后项来预测未来的发展趋势。
VAR模型的一个重要应用是对宏观经济变量和原油价格的联合预测。
TBATS模型TBATS(Trigonometric Seasonal Box-Cox Transformation AutoRegressive Integrated Moving Average with Trend and Seasonality)模型是一种适用于季节性时间序列数据的预测模型。
基于ARIMA模型国际石油价格的分析与预测
揖摘 要铱石油是世界工业、经济发展的重要支柱，我国作为石油进口大国，经济运行会受到国际石油价格波动的影响。因此，研究国际 油价波动规律对国家调控石油市场、制定能源政策具有重要意义。论文以 2000-2021 年国际石油价格为依据建立 ARIMA 预测模型， 将预测结果与定性分析结合，对 2021 年 2 月中旬到 4 月末的国际石油价格趋势进行预测，结果表明短期内该模型预测良好，具有一 定的参考价值和借鉴意义。
3 ARIMA 模型理论基础
3.1 ARIMA 模型概述 ARIMA 模型是一种常用的时间序列模型，由 E.P.Box 和
G.M.Jenkins 于上世纪 60 年代创立，又称博克斯-金格斯方 法。ARIMA 模型全称差分移动平均自回归模型，简记 ARIMA (p,d,f)，其中 p 为自回归系数，d 为对序列进行差分运算的次 数，q 为移动平均系数。
模型拟合后需要对模型的残差进行检验。进行假设性检 验后发现，P 值大于 0.05,因此接受原假设，该残差序列为白 噪声序列，故模型对序列中信息提取充分，该模型运行良好。 4.4 ARIMA 模型的预测
本文采用 2000 年 1 月-2021 年 1 月 WTI 原油价格周 数据，建立 ARIMA(2,1,2)模型，对 2021 年 1 月到 4 月末的 石油价格进行预测，预测结果如图 2 所示。计算 1 月份石油 价格真实值与预测值的相对误差后发现，该模型预测的相 对 误 差 都 在 10% 以 内 ， 尤 其 是 第 一 期 的 相 对 误 差 仅 为 0.7%，这说明模型短期内预测效果良好。根据图 2 的价格 走势，在接下来的两个月里，国际石油价格整体上保持上升
原油价格预测模型研究
原油价格预测模型研究一、绪论原油是全球最主要的能源资源之一。
由于其价格波动的很大，原油市场一直是金融市场中最活跃的市场之一。
对于变化的原油价格进行准确的预测对于投资者和经济决策者来说具有重要的意义。
因此，本文旨在探讨原油价格预测模型的研究。
二、原油市场概述原油市场分为国际市场和国内市场两部分。
国际市场是由OPEC（石油输出国组织）和非OPEC产油国共同构成的，也是原油价格形成的主要场所。
原油价格的波动通常是由供需关系、政治风险、地缘政治事件和宏观经济指标等因素综合影响所造成的。
三、原油价格预测模型1、时间序列模型时间序列是按照特定的时间顺序排列的一系列数据，代表某个现象在时间上的变化。
时间序列模型被广泛用于原油价格预测。
常用的时间序列模型包括ARIMA模型和GARCH模型。
2、基于机器学习的模型机器学习模型被广泛应用于预测原油价格。
这些模型主要包括支持向量回归、随机森林、人工神经网络和贝叶斯网络等。
这些模型的优点在于可以使用大量的历史数据进行训练，并具有自适应性。
3、基于经济指标的模型经济指标模型将宏观经济指标作为预测原油价格的主要因素。
例如，研究发现，全球GDP、通货膨胀率和美元汇率等指标对于原油价格的影响非常显著。
四、实证研究本文通过分析历史数据和实证研究，发现政治风险和OPEC产量对于原油价格波动的影响较大。
同时，基于经济指标的模型有助于预测短期内原油价格变化的趋势。
五、结论本文对原油价格预测模型进行了综述。
时间序列模型、机器学习模型和经济指标模型是预测原油价格的主要方法。
同时，经济指标模型可以被用于预测短期内的原油价格波动趋势。
在原油市场高度复杂和不确定性较高的情况下，这些模型为投资者和经济决策者提供了预测和决策的重要依据。
原油价格预测模型的构建与应用
原油价格预测模型的构建与应用随着全球经济的不断发展，再加上世界各国经济的持续增长，以及人们对需求的持续增加，原油价格成为了国际市场上最为重要的商品之一。
对于油价预测的准确性，一直是人们非常关注的问题，因此建立一种可靠的预测模型具有重要意义。
本文就来探讨一下如何构建原油价格预测模型，并提供一些实际应用案例。
一、数据来源和预处理在构建原油价格预测模型之前，我们需要找到可靠的数据源，并对这些数据进行必要的预处理。
目前，市场上常用的数据源主要有交易所数据、官方统计数据、新闻媒体数据等等。
在本文中，我们使用的数据来源是交易所数据。
我们将使用 STOXX 油价指数作为代表，该指数根据市场交易数据估算国际原油市场价格，同时也是全球主要国际石油市场的早期指标之一，具有较高的参考价值。
在对数据进行预处理时，我们需要对数据进行筛选、清洗等操作。
对于股票市场的数据，我们需要剔除一些异常数据，并视情况对缺失值进行填充和矫正数据。
此步骤主要包括以下几个方面：1、删除异常值：异常值指的是数据中在各项指标中处于极端范围的值，这些值极有可能对模型的构建产生干扰。
例如，我们可以设置当某项数据的标准偏差超过某个阈值时，就认为该数据为异常值。
2、填充缺失值：数据中存在着许多缺失值，这些缺失值的存在会严重干扰模型的构建。
对于缺失值，我们可以使用各种手段进行填充。
例如，使用均值、中位数、众数等等。
3、调整时间序列：为了避免预测结果受到季节性和周期性的影响，我们需要对时间序列进行调整。
例如，根据季节性变化因素对数据进行重新排序和调整，或者使用差分方法对数据进行处理。
二、构建模型根据目前市场上的经验和研究成果，常用的原油价格预测模型主要有以下几种：1、时间序列模型：时间序列分析是指直接或间接地观察和分析随时间变化的现象或事件，根据不同的预测目的，可以建立时间序列的预测模型，包括ARIMA模型，指数平滑模型，基于趋势和季节性的模型等等。
2、基于统计学的模型：这种预测模型主要是使用常见的统计学方法，例如回归分析、主成分分析、聚类分析等对原油价格进行分析和预测。
专业人士怎样预测石油的价格？
经济学家很难预测石油的价格，因为他们的波动受各种各样因素的影响。
专家依靠一系列的工具预测石油价格并依靠时间确认或者推翻他们的预测。
最常使用的五个模型是石油期货价格、回归结构模型、时间序列分析、贝叶斯自回归模型和动态随机一般均衡图。
由于经济学家还没有确定哪一种模型最可靠，他们使用这些模型的加权组合以得到最准确的答案。
石油期货价格中央银行和国际货币基金组织在判断时主要使用石油期货价格。
期货价格是卖方同意在未来特定时间将一定量的石油以特定价格卖给买方的价格。
交易者根据两个因素估计石油期货价格，即供求关系和市场情绪。
供求关系是指交易者对石油供应和未来市场需求的判断。
市场情绪是指交易者对未来石油价格上涨或者下跌的判断。
石油期货价格的预测效果非常有限，因为他们通常给当前的石油价格增加太多变数。
回归结构模型统计计算机程序计算石油价格变动的概率。
例如，数学家可能考虑石油输出国组织、石油库存水平、生产成本或者石油产量和消费等的影响。
回归结构模型有很强的预测能力，但是科学家可能漏掉一个或者多个因素或者出现意外导致模型失败。
时间序列模型一些经济学家使用例如指数平滑模型和自回归模型的时间序列模型来修正石油期货价格的限制。
这些模型分析石油在各个时间点上的历史以提取有意义的数据并根据先前的观察预测未来价格。
时间序列分析有时会出现错误，但是在更短的时间范围内能提供更准确的结果。
贝叶斯向量自回归模型统计计算机程序使用贝叶斯模型计算某些已经预测事件对石油的影响。
科学家使用标准的回归模型并试图通过增加有影响事件的可能变化因素的计算进行改进。
大多数当代科学家喜欢使用贝叶斯向量自回归模型预测石油价格，2015年的国际货币基金组织工作报告指出这些模型在18个月时间段中表现最好。
贝叶斯向量自回归模型在2008到2009年和2014到2015年间准确预测了石油价格。
动态随机一般均衡模型动态随机一般均衡模型使用宏观经济原则来解释复杂的经济现象，在本文中是石油价格。
基于ARIMA与GARCH模型的国际油价预测比较分析
基于ARIMA与GARCH模型的国际油价预测比较分析作者：胡爱梅，王书平来源：《经济研究导刊》2012年第26期摘要：在分析影响油价波动因素的基础上，利用1986年1月至2010年12月的WTI国际原油价格月度数据，分别建立ARIMA和GARCH模型对油价进行预测。
并通过对2011年1月至2012年4月WTI原油价格进行外推预测，检验模型的预测效果。
比较分析发现，在短期预测中，ARIMA和GARCH模型对油价的预测均比较准确，但当油价由于受到重大事件的影响而有较大波动时，模型的预测精度下降；在长期预测中，GARCH模型的预测效果优于ARIMA模型；整体来看，GARCH模型预测的精度高于ARIMA模型。
因此，在国际油价预测中，用GARCH模型是比较合适的。
关键词：油价预测；ARIMA模型；GARCH模型；比较分析中图分类号：F405 文献标志码：A 文章编号：1673—291X（2012）26—0196—04引言石油是国民经济中不可或缺的能源与化工材料，被誉为“工业的血液”、“经济的命脉”和“外交的武器”等。
20世纪70年代以前，由于石油价格相对低廉且长期较稳定，很少有学者会关注油价的波动。
70年代中后期的两次战争引起的石油危机导致石油价格剧烈波动，特别是近年来国际石油价格更是上升迅速而且波动频繁，引起了学术界开始对油价的预测模型进行广泛的研究，油价问题成为了全球关注的焦点。
预测的理论和方法众多，众多学者分别从不同角度出发建立预测模型。
Hogan（1989）认为，石油价格几乎完全依赖于需求行为，只不过可能会有个时间滞后，这为之后的时间序列预测方法奠定了基础。
时间序列计量方法成为了时下最热门的预测方法。
肖龙阶等（2009）利用ARIMA模型对中国1997年以来大庆石油价格进行拟合，认为模型短期预测效果良好。
吴虹等（2010）在综合分析油价的线性和非线性符合特征的基础上，提出了一种基于ARIMA和SVM相结合的时间序列预测模型，发现组合模型相对于单模型的预测精度更高。
论文 随机线性模型建模——历年油价预测模型 精品
课程设计（论文）课程名称：应用随机过程设计题目：建模院系：电子与信息工程学院班级：通信一班设计者：学号：指导教师：设计时间：2009-9至2009-12课程设计任务书姓名：吴华明院（系）：电子与信息技术研究院专业：信息与通信工程班号：09硕通信一班任务起至日期：2009 年9 月11 日至2009 年12 月20 日课程设计题目：随机线性模型建模——历年油价预测模型——历年油价预测模型已知技术参数和设计要求：已知一段时间内全球的原油价格，建立油价的随机线性模型，并对未来时刻的全球油价进行预测。
工作量：1.查找相应的资料，对随机线性模型的建模过程进行熟悉。
2.查找相关的历年油价的数据，并对数据进行预处理。
3.由已知的样本函数，计算随机线性模型的参数。
4.对随机线性模型的阶数进行判定。
5.建立预测方程，并对未来时刻的全球油价进行预测。
工作计划安排：1.2009-9~2009-10：对随机线性模型建模的方法进行学习2.2009-10~2009-11：查找相关的资料，确定建模的数据3.2009-12：建立随机线性模型，并进行预测同组设计者及分工：无指导教师签字___________________年月日教研室主任意见：教研室主任签字___________________年月日*注：此任务书由课程设计指导教师填写。
随机线性模型建模--历年油价预测模型摘要：本文主要就序列进行了综合分析，并根据实测的95个数据，通过模型判别和参数估计等手段建立了AR预测模型，并利用该模型对序列下一时刻的值进行了预报。
关键词：随机过程线性模型自相关函数偏相关函数预测一．线性模型的建立：确定平稳时间序列线性模型的步骤可归纳为五个步骤，以下结合本文的数据具体介绍建模的过程：1.数据选择本次建模，本人采用的数据是历年油价（见表1，共有95个数据）。
本文将利用表中的数据建立油价的随机线性模型，并对t=96100时段的油价进行预测。
表1 历年油价时间序列（单位：美元/桶）t Y t t Y t t Y t t Y t t Y t1 19.5900 21 15.5400 41 21.3100 61 13.0000 81 16.87002 14.9100 22 21.9400 42 18.8400 62 11.9000 82 16.13003 15.7400 23 23.1100 43 24.8400 63 11.7900 83 15.76004 15.4000 24 18.6400 44 15.6700 64 12.5500 84 15.66005 13.0600 25 14.9400 45 15.5700 65 11.8400 85 15.54006 19.0700 26 16.9000 46 12.7300 66 11.2500 86 15.30007 15.2800 27 15.4600 47 13.5600 67 11.1500 87 15.05008 15.8200 28 11.1500 48 15.5400 68 10.9900 88 14.69009 12.7700 29 13.1300 49 17.2200 69 11.7000 89 14.390010 12.0500 30 12.4800 50 12.1400 70 14.0100 90 14.180011 11.6900 31 12.9500 51 11.0700 71 17.5100 91 13.700012 13.8500 32 12.5900 52 12.0200 72 17.2700 92 13.660013 13.8500 33 10.5800 53 11.5500 73 16.9000 93 13.270014 10.0700 34 10.5800 54 6.9200 74 15.7900 94 13.560015 9.1700 35 12.3900 55 10.3300 75 15.4500 95 13.140016 10.7900 36 15.5300 56 8.3800 76 6.2400 96 -17 13.4400 37 13.0600 57 12.1100 77 16.7100 97 -18 21.1700 38 10.2200 58 11.4600 78 16.7700 98 -19 18.6400 39 16.3300 59 12.7500 79 16.6400 99 -20 13.2100 40 19.7200 60 13.3200 80 17.8000 100 -表2 经过差分运算的时间序列Z t和均值为零的时间序列t t Z t t t Z t t t Z t t1 5.5100 5.4642 33 1.8100 1.7642 65 0.4900 0.44422 -1.1700 -1.2158 34 1.3300 1.2842 66 -0.0600 -0.10583 -2.0000 -2.0458 35 -5.6100 -5.6558 67 0.8700 0.82424 8.3500 8.3042 36 -0.3700 -0.4158 68 1.6000 1.55425 -9.8000 -9.8458 37 8.9500 8.9042 69 1.1900 1.14426 4.3300 4.2842 38 -2.7200 -2.7658 70 -3.7400 -3.78587 -3.5900 -3.6358 39 -1.8000 -1.8458 71 -0.1300 -0.17588 2.3300 2.2842 40 -4.0600 -4.1058 72 -0.7400 -0.78589 0.3600 0.3142 41 8.4700 8.4242 73 0.7700 0.724210 2.5200 2.4742 42 -15.1700 -15.2158 74 -8.8700 -8.915811 -2.1600 -2.2058 43 9.0700 9.0242 75 19.6800 19.634212 -3.7800 -3.8258 44 -2.7400 -2.7858 76 -10.4100 -10.455813 2.8800 2.8342 45 3.6700 3.6242 77 -0.1900 -0.235814 2.5200 2.4742 46 1.1500 1.1042 78 1.2900 1.244215 1.0300 0.9842 47 -0.3000 -0.3458 79 -2.0900 -2.135816 5.0800 5.0342 48 -6.7600 -6.8058 80 0.1900 0.144217 -10.2600 -10.3058 49 4.0100 3.9642 81 0.3700 0.324218 -2.9000 -2.9458 50 2.0200 1.9742 82 0.2700 0.224219 7.7600 7.7142 51 -1.4200 -1.4658 83 -0.0200 -0.065820 4.0700 4.0242 52 -4.1600 -4.2058 84 -0.1200 -0.165821 -5.2300 -5.2758 53 8.0400 7.9942 85 -0.0100 -0.055822 -5.6400 -5.6858 54 -5.3600 -5.4058 86 -0.1100 -0.155823 0.7700 0.7242 55 5.6800 5.6342 87 0.0600 0.014224 5.6600 5.6142 56 -4.3800 -4.4258 88 0.0900 0.044225 -3.4000 -3.4458 57 1.9400 1.8942 89 -0.2700 -0.315826 -2.8700 -2.9158 58 -0.7200 -0.7658 90 0.4400 0.394227 6.2900 6.2442 59 -0.8900 -0.9358 91 -0.3500 -0.395828 -2.6300 -2.6758 60 -0.7800 -0.8258 92 0.6800 0.634229 1.1200 1.0742 61 0.9900 0.9442 93 -0.7100 -0.755830 -0.8300 -0.8758 62 0.8700 0.8242 94 - -31 -1.6500 -1.6958 63 -1.4700 -1.5158 95 - -32 2.0100 1.9642 64 0.1200 0.0742 96 - -2.数据预先处理：该原始时间序列具有不平稳性，采用进行两次差分运算的方法消除趋势性，Z t=（Y t+2- Y t+1）-（Y t+1- Y t），得到新的时间序列Z t,如表2所示，并画出处理前后的图形，如图1所示，可见基本符合平稳随机序列的特征。
石油峰值理论及其预测模型运用
一、石油峰值理论的兴起与发展
（2） 石油峰值理论的由来
石油是一种有限的、不可再生的资源。一旦石油的开发 和消耗量超过全部石油储量的一定比例，石油产量可能会 开始下降。例如，Hubbert模型假定这一比例为50%， HCZ模型假定该比例为36.79%，这个比例会由于油田的 地层性质及开发方式不同而存在差异。这便是人们所说的 石油峰值，它反映了石油资源的消耗问题。 Hubbert是美国著名的石油地质学家，1949年他在 “Science”发表文章，提出了矿物资源的“钟型曲线”问题， 随后他又发现了矿产资源的枯竭规律，即任何有限的资源 都将经历“开始—鼎盛—衰退”这样一个生命周期。
二、石油峰值理论的争论
石油峰值理论的兴起和发展也使得越来越多的人来关 注石油峰值理论，这也引起了峰值论派与反对派之间激烈 的争论，目前已经达到白热化的程度。 在峰值论派中，以Campbell教授的观点最为著名。 1998年，他在油价还十分低迷的时候便提出廉价石油时代 必将终结的结论，近来的高油价验证了其观点；2003年他 与美国西雅图能源及人类研究所的Richard C. Duncan教授 进行合作研究，研究表明在全球四十四个重要产油国中， 已经有二十四个明显跨越产量顶峰。 曾任德国联邦议会科学顾问的Werner Zittel和Jorg Schindler则认为世界石油产量高峰极有可能在2010年以前 到来，并引用很多产油国资料来支持其结论。
二、石油峰值理论的争论
与峰值论观点相左的研究机构和学者也很多，在反对石油峰值的研 究 机 构 中 ， 以 美 国 联 邦 地 质 调 查 局 (USGS) 和 剑 桥 能 源 研 究 会 （CERA）最为有名。 USGS的世界能源工程项目主任Thomas Ahlbrandt坚持高产稳产概 念，不相信即将来临的石油峰值，争辩英国北海油田过去20年中屡次违 背钟形曲线式样； 2003年4月22日，CERA负责人Daniel Yergin在《旧金山纪事报》 上发表评论，认为石油供应的总量并不是定量，石油的总储量总在不断 变动； 2006年11月Peter M. Jackson等在 CERA 报告中指出,世界石油峰 值应该是2030年以后考虑的事； 2004年5月，意大利学者Leonardo Maugeri在《Science》杂志发 表文章，指出石油峰值是虚假的警报，认为石油时代远没有结束；同 时，研究结果也指出Hubbert模型不能很好地描述世界石油储量和产量 的复杂性，没有考虑技术进步、成本、价格等作用，该模型之所以能够 成功预测美国石油峰值，主要是因为美国是世界上石油勘探最充分的国 家。
油价问题的数学建模
成品油定价模型问题重述成品油（汽油，柴油，煤油等）与国家的经济发展，人民的生产生活直接相关，成品油的合理定价对国家经济发展及社会和谐稳定具有重要的意义。
中国成品油市场运行机制先后经历了完全计划经济阶段，双轨价格过渡阶段，与国际油价间接接轨阶段等多个主要阶段。
自2009年以来，国内成品油价格共调整17次，其中12次上调，5次下调，但是，国内成品油油价一直居高不下，甚至在国际原油价格大幅下降期间，国内成品油价格出现了不降反升的情况。
油价的上涨引起了广大消费者的不满，每到成品油调价窗口期，油价话题总会引发热议，与此同时，现行的成品油定价机制也遭到了广泛质疑，定价机制改革的呼声也日益高涨。
问题分析国内当前成品油的定价机制是原油成本定价-以布伦特（Brent）、迪拜(Dubai)、米纳斯(Minas)三地原油现货价格的加权平均值（布伦特：迪拜：米纳斯=4:3:3）为基准，再加上关税、消费税、增值税、运费、炼油厂的炼油成本和适当的利润空间等，共同形成国内成品油零售基准价。
利润率是参照2004年国内加工行业平均成本利润率5%确定，当国际市场原油连续22个工作日移动平均价格变化超过4%时，相应调整国内成品油价格。
当国际市场原油价格低于每桶80美元时，按正常加工利润率计算成品油价格。
高于每桶80美元时，开始扣减加工利润率，直至按加工零利润计算成品油价格。
高于每桶130美元时，按照兼顾生产者、消费者利益，保持国民经济平稳运行的原则，采取适当财税政策保证成品油生产和供应，汽、柴油价格原则上不提或少提。
2012年3月20日，国家发改委发出通知，决定汽柴油价格每吨都提高600元，价格调整后，以北京地区93号汽油为例，最高零售价首次超过8元，调至每升8.33元，正式进入8元时代，这也是今年以来第二次油价上调，创下了2008年以来第二大涨幅。
近期，关于国际油价走低可能导致国内也油价下调的舆论开始浮现，国内油价近期是否会调低，值得很多有车一族关注和期待。
石油市场供需分析方法与模型
石油市场供需分析方法与模型石油是全球能源消费的重要组成部分，石油市场的供需情况对全球经济和能源市场具有重要影响。
因此，了解石油市场的供需关系及其分析方法与模型是非常必要的。
本文将介绍石油市场供需分析的方法和常用的模型，以帮助读者更好地理解和预测石油市场的发展趋势。
一、供需分析的方法1. 宏观经济分析法宏观经济分析法是石油市场供需分析的重要方法之一，它通过对全球经济状况和发展趋势的研究，来预测石油需求的变化。
该方法主要采用宏观经济模型，对国内外经济增长情况、产业结构变化、投资水平等因素进行系统分析，从而预测石油需求的变化趋势。
2. 供给侧分析法供给侧分析法是石油市场供需分析的另一种重要方法。
该方法主要从石油生产企业角度出发，研究石油供给的变化情况。
通过对石油产量、产能、成本、技术进步等因素的分析，可以预测石油供给的变化趋势。
3. 社会经济调查法社会经济调查法是一种直接收集石油市场需求信息的方法。
通过对石油使用者的调查和统计，可以了解石油需求的实际情况。
这种方法通常通过问卷调查、个案分析和定量模型等手段进行。
二、常用的供需模型1. 线性回归模型线性回归模型是一种常用的供需模型，它基于供需关系的直线关系进行分析和预测。
该模型假设石油供需关系是线性的，通过拟合历史数据，可以预测未来的供需情况。
2. 自回归滞后模型自回归滞后模型是一种基于时间序列的供需模型，它考虑到过去时间点的供需情况对当前供需的影响。
该模型可以帮助我们分析石油市场的季节性、周期性和趋势性因素，从而预测未来的供需情况。
3. 多元线性回归模型多元线性回归模型是一种综合考虑多个因素影响的供需模型。
该模型可以通过同时考虑石油价格、经济增长、产量等多个因素的影响，来预测石油市场的供需情况。
通过引入多个解释变量，可以提高模型的解释能力和预测准确性。
三、结论石油市场供需分析是了解和预测石油市场发展趋势的重要方法之一。
本文介绍了宏观经济分析法、供给侧分析法和社会经济调查法等常用的供需分析方法，并介绍了线性回归模型、自回归滞后模型和多元线性回归模型等常用的供需模型。
石油价格波动期中的油价预测模型--以俄罗斯乌拉尔原油价格变化为例
石油价格波动期中的油价预测模型--以俄罗斯乌拉尔原油价格
变化为例
徐海燕
【期刊名称】《国际石油经济》
【年(卷),期】2005(013)001
【摘要】国际石油市场翻云覆雨,2000年以来进入了新一轮波动期,油价大大地偏离了人们的预测值.在这种情况下,有必要重新审视传统的油价预测方法.传统上惯用的线性回归分析方法所给出的原油价格预测值往往较大地偏离实际值,有时不得不放弃使用线性回归.这是因为在建立线性回归方程时,一些有来头、有分量的波动组分也被当作"随机因素"一同扬弃了.因而在波动组分不能忽视的情况下,有必要构建新的预测模型.油价变动既有线性趋势又具波动趋势,据此,提出一个改进的油价预测模型,在揭示油价变化的线性构成的同时将波动构成一并揭示出来,从而对油价变化机制能做出较为全面的反映,并使预测准确度比单一的线性预测模型有较大的提高.【总页数】5页(P48-52)
【作者】徐海燕
【作者单位】复旦大学国际问题研究院俄罗斯与东欧研究中心
【正文语种】中文
【相关文献】
1.加快建立我国合理的石油价格形成机制—对理顺原油价格的几点思考 [J], 严绪朝;黄望平
2.我国原油价格将由企业自主制定——发改委发布《石油价格管理办法（试行）》[J],
3.国内外石油价格波动溢出效应实证分析——以大庆原油价格和布伦特原油价格为例 [J], 李文星
4.原油价格波动对我国石油石化行业的影响 [J], 周强松
5.国际原油价格波动对我国通货膨胀的非对称传导效应——基于NARDL模型的实证研究 [J], 韩霖
因版权原因，仅展示原文概要，查看原文内容请购买。
世界石油价格长期预报的一个数学模型
世界石油价格长期预报的一个数学模型
吴令云;施永香;吴诚鸥
【期刊名称】《统计与决策》
【年(卷),期】2006()21
【总页数】2页(P153-154)
【关键词】石油价格;预报模型;数学模型;供求关系;价格水平
【作者】吴令云;施永香;吴诚鸥
【作者单位】南京审计学院;南京信息工程大学
【正文语种】中文
【中图分类】F746.41
【相关文献】
1.数学模型在漫湾水电站中长期预报中的应用 [J], 郑孝庆;金鑫
2.一个数学模型在长期股权投资成本法核算中的应用 [J], 赵水莲
3.提高预报地表气温长期变化的一个方法 [J], 翁国玲;贾晓静
4.世界石油价格的长期趋势预测 [J], 李少民;吴韧强
5.波流联合作用下海床演变的长期预报泥沙数学模型 [J], 李大鸣;白志刚;朱志夏因版权原因，仅展示原文概要，查看原文内容请购买。
论文 随机线性模型建模——历年油价预测模型 精品
课程设计（论文）课程名称：应用随机过程设计题目：建模院系：电子与信息工程学院班级：通信一班设计者：学号：指导教师：设计时间：2009-9至2009-12课程设计任务书姓名：吴华明院（系）：电子与信息技术研究院专业：信息与通信工程班号：09硕通信一班任务起至日期：2009 年9 月11 日至2009 年12 月20 日课程设计题目：随机线性模型建模——历年油价预测模型——历年油价预测模型已知技术参数和设计要求：已知一段时间内全球的原油价格，建立油价的随机线性模型，并对未来时刻的全球油价进行预测。
工作量：1.查找相应的资料，对随机线性模型的建模过程进行熟悉。
2.查找相关的历年油价的数据，并对数据进行预处理。
3.由已知的样本函数，计算随机线性模型的参数。
4.对随机线性模型的阶数进行判定。
5.建立预测方程，并对未来时刻的全球油价进行预测。
工作计划安排：1.2009-9~2009-10：对随机线性模型建模的方法进行学习2.2009-10~2009-11：查找相关的资料，确定建模的数据3.2009-12：建立随机线性模型，并进行预测同组设计者及分工：无指导教师签字___________________年月日教研室主任意见：教研室主任签字___________________年月日*注：此任务书由课程设计指导教师填写。
随机线性模型建模--历年油价预测模型摘要：本文主要就序列进行了综合分析，并根据实测的95个数据，通过模型判别和参数估计等手段建立了AR预测模型，并利用该模型对序列下一时刻的值进行了预报。
关键词：随机过程线性模型自相关函数偏相关函数预测一．线性模型的建立：确定平稳时间序列线性模型的步骤可归纳为五个步骤，以下结合本文的数据具体介绍建模的过程：1.数据选择本次建模，本人采用的数据是历年油价（见表1，共有95个数据）。
本文将利用表中的数据建立油价的随机线性模型，并对t=96100时段的油价进行预测。
表1 历年油价时间序列（单位：美元/桶）t Y t t Y t t Y t t Y t t Y t1 19.5900 21 15.5400 41 21.3100 61 13.0000 81 16.87002 14.9100 22 21.9400 42 18.8400 62 11.9000 82 16.13003 15.7400 23 23.1100 43 24.8400 63 11.7900 83 15.76004 15.4000 24 18.6400 44 15.6700 64 12.5500 84 15.66005 13.0600 25 14.9400 45 15.5700 65 11.8400 85 15.54006 19.0700 26 16.9000 46 12.7300 66 11.2500 86 15.30007 15.2800 27 15.4600 47 13.5600 67 11.1500 87 15.05008 15.8200 28 11.1500 48 15.5400 68 10.9900 88 14.69009 12.7700 29 13.1300 49 17.2200 69 11.7000 89 14.390010 12.0500 30 12.4800 50 12.1400 70 14.0100 90 14.180011 11.6900 31 12.9500 51 11.0700 71 17.5100 91 13.700012 13.8500 32 12.5900 52 12.0200 72 17.2700 92 13.660013 13.8500 33 10.5800 53 11.5500 73 16.9000 93 13.270014 10.0700 34 10.5800 54 6.9200 74 15.7900 94 13.560015 9.1700 35 12.3900 55 10.3300 75 15.4500 95 13.140016 10.7900 36 15.5300 56 8.3800 76 6.2400 96 -17 13.4400 37 13.0600 57 12.1100 77 16.7100 97 -18 21.1700 38 10.2200 58 11.4600 78 16.7700 98 -19 18.6400 39 16.3300 59 12.7500 79 16.6400 99 -20 13.2100 40 19.7200 60 13.3200 80 17.8000 100 -表2 经过差分运算的时间序列Z t和均值为零的时间序列t t Z t t t Z t t t Z t t1 5.5100 5.4642 33 1.8100 1.7642 65 0.4900 0.44422 -1.1700 -1.2158 34 1.3300 1.2842 66 -0.0600 -0.10583 -2.0000 -2.0458 35 -5.6100 -5.6558 67 0.8700 0.82424 8.3500 8.3042 36 -0.3700 -0.4158 68 1.6000 1.55425 -9.8000 -9.8458 37 8.9500 8.9042 69 1.1900 1.14426 4.3300 4.2842 38 -2.7200 -2.7658 70 -3.7400 -3.78587 -3.5900 -3.6358 39 -1.8000 -1.8458 71 -0.1300 -0.17588 2.3300 2.2842 40 -4.0600 -4.1058 72 -0.7400 -0.78589 0.3600 0.3142 41 8.4700 8.4242 73 0.7700 0.724210 2.5200 2.4742 42 -15.1700 -15.2158 74 -8.8700 -8.915811 -2.1600 -2.2058 43 9.0700 9.0242 75 19.6800 19.634212 -3.7800 -3.8258 44 -2.7400 -2.7858 76 -10.4100 -10.455813 2.8800 2.8342 45 3.6700 3.6242 77 -0.1900 -0.235814 2.5200 2.4742 46 1.1500 1.1042 78 1.2900 1.244215 1.0300 0.9842 47 -0.3000 -0.3458 79 -2.0900 -2.135816 5.0800 5.0342 48 -6.7600 -6.8058 80 0.1900 0.144217 -10.2600 -10.3058 49 4.0100 3.9642 81 0.3700 0.324218 -2.9000 -2.9458 50 2.0200 1.9742 82 0.2700 0.224219 7.7600 7.7142 51 -1.4200 -1.4658 83 -0.0200 -0.065820 4.0700 4.0242 52 -4.1600 -4.2058 84 -0.1200 -0.165821 -5.2300 -5.2758 53 8.0400 7.9942 85 -0.0100 -0.055822 -5.6400 -5.6858 54 -5.3600 -5.4058 86 -0.1100 -0.155823 0.7700 0.7242 55 5.6800 5.6342 87 0.0600 0.014224 5.6600 5.6142 56 -4.3800 -4.4258 88 0.0900 0.044225 -3.4000 -3.4458 57 1.9400 1.8942 89 -0.2700 -0.315826 -2.8700 -2.9158 58 -0.7200 -0.7658 90 0.4400 0.394227 6.2900 6.2442 59 -0.8900 -0.9358 91 -0.3500 -0.395828 -2.6300 -2.6758 60 -0.7800 -0.8258 92 0.6800 0.634229 1.1200 1.0742 61 0.9900 0.9442 93 -0.7100 -0.755830 -0.8300 -0.8758 62 0.8700 0.8242 94 - -31 -1.6500 -1.6958 63 -1.4700 -1.5158 95 - -32 2.0100 1.9642 64 0.1200 0.0742 96 - -2.数据预先处理：该原始时间序列具有不平稳性，采用进行两次差分运算的方法消除趋势性，Z t=（Y t+2- Y t+1）-（Y t+1- Y t），得到新的时间序列Z t,如表2所示，并画出处理前后的图形，如图1所示，可见基本符合平稳随机序列的特征。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
１９９８ 年 许 多 发 达 国 家 千方百计压低油价的结 果。在 ２０００ 年市场价比 预报过分偏高， 是由于 ２０００ 年 ＯＰＥＣ 成员一致 遵守减产协议， 一些非 ＯＰＥＣ 成员也降低产量， 造成产量大幅下降的结 果。我们将这两年数据 删去， 从新作多项式回 归 ， 得 到 ＷＴＩ Ｃｒｕｓｉｎｇ 石油价格的预测公式是
ＴＪ ＹＪ Ｃ
ＺＨＩＳＨＩＣＯ知 ＮＧＬ识ＩＮ丛林
２００６ 年第 １１ 期（ 总第 ２２５ 期）
世界石油价格长期预报的 一个数学模型
一个数学模型
■吴令云 施永香 吴诚鸥
一 、研 究 背 景
应又很紧张的情况， 是
影响石油价格水平的主要因素很 多 ： 供 求 关 系 、重 大 政 治 事 件 、ＯＰＥＣ 组 织的决策、大国动用战略储备、自然灾 害 、期 货 市 场 的 投 机 炒 作 、季 节 性 气 候 变 化等。分析所有这些影响， 从而建立包含 这些影响的价格预测的公式是很困难 的。然而在长期预报模型中， 可以平滑掉 小突发事件的影响， 因而长期预报较容 易作出。长期预报模型有 ３ 方面作用： １． 可以为国民经济长期发展做出战略决 策。２．在长期预报模型基础上， 对临时发 生 的 突 发 事 件 （ 重 大 政 治 事 件 、ＯＰＥＣ 组 织的决策、大国动用战略储备、自然灾
表 ２ Ｂｒｅ ｎｔ 石油价格预测及误差 年份 市场值 预测值 误差 １９８９ １８．２０７９ ２０．７１００ － ２．５０２１ １９９０ ２３．７９３１ ２０．０３７１ ３．７５５９ １９９１ ２０．０３６７ １９．２５１８ ０．７８５０ １９９２ １９．３２７７ １８．９８０７ ０．３４７０ １９９３ １７．０５５４ １８．８７６３ － １．８２０９ １９９４ １５．８６３８ １７．６５６８ － １．７９３０ １９９５ １７．０１５９ １７．０５１５ － ０．０３５６ １９９６ ２０．６２０５ １６．９１９２ ３．７０１３ １９９７ １９．１０００ １７．７７００ １．３３００ １９９８ １２．７６６３ １８．４０８０ － ５．６４１７ １９９９ １７．８６７８ ２０．６６３４ － ２．７９５７ ２０００ ２８．６３６５ ２２．５６８２ ６．０６８４ ２００１ ２４．４４３９ ２４．１５８８ ０．２８５２ ２００２ ２５．０３１７ ２５．７６２４ － ０．７３０７ ２００３ ２８．８４２７ ２９．８２７５ － ０．９８４８ ２００４ ３８．４３３７ ３８．４０１９ ０．０３１８ ２００４ ３６．１９１３ ３５．４８７１ ０．７０４２
表 ４ Ｂｒｅ ｎｔ 石油价格预测及误差 年份 市场价 予侧值 误差 １９８９ １８．２０７９ ２０．７５４７ － ２．５４６８ １９９０ ２３．７９３１ ２０．１１２９ ３．６８０１ １９９１ ２０．０３６７ １９．３６３６ ０．６７３１ １９９２ １９．３２７７ １９．１０４９ ０．２２２７ １９９３ １７．０５５４ １９．００５４ － １．９４９９ １９９４ １５．８６３８ １７．８４０５ － １．９７６７ １９９５ １７．０１５９ １７．２６０９ － ０．２４５０ １９９６ ２０．６２０５ １７．１３００ ３．４９０５ １９９７ １９．１０００ １７．９３４０ １．１６６０ １９９９ １７．８６７８ ２０．６７９８ － ２．８１２１ ２００１ ２４．４４３９ ２４．０００５ ０．４４３４ ２００２ ２５．０３１７ ２５．５２４５ － ０．４９２８ ２００３ ２８．８４２７ ２９．３８８４ － ０．５４５７ ２００４ ３８．４３３７ ３７．５４０７ ０．８９３１
式在多数情况下， 误差不 大 ； １９９８、２０００ 年预测误差较大。作线性回归分析的影 响分析， 查找反常点， 诊断结果证明 １９９８、２０００ 年是反常年。事实上， 在 １９９８ 年市场价比预侧值过分偏低， 是由于
表 １ ＷＴＩ 石油价格预测值及误差 年份 市场值 预报值 误差 １９８９ １９．６２５５ ２２．０６３５ － ２．４３８０ １９９０ ２４．５５４５ ２１．３６３０ ３．１９１５ １９９１ ２１．５３５０ ２０．５４６５ ０．９８８５ １９９２ ２０．５７４０ ２０．２６５１ ０．３０８９ １９９３ １８．３８０１ ２０．１５６８ － １．７７６８ １９９４ １７．１８８８ １８．８９６２ － １．７０７５ １９９５ １８．３９５３ １８．２７９６ ０．１１５７ １９９６ ２２．０８３４ １８．１６９１ ３．９１４３ １９９７ ２０．５７９３ １９．０９７６ １．４８１７ １９９８ １４．３８３７ １９．７８２５ － ５．３９８８ １９９９ １９．２９９０ ２２．１８９３ － ２．８９０３ ２０００ ３０．４０５６ ２４．２１４８ ６．１９０８ ２００１ ２５．９１０４ ２５．９０３８ ０．００６６３７ ２００２ ２６．１３９０ ２７．６０５２ － １．４６６１ ２００３ ３１．００４０ ３１．９１３６ － ０．９０９６ ２００４ ４１．３７８６ ４０．９８９７ ０．３８８９
＝ 评价对象的因素 ｉ 被评定为等级 ｊ 的总次数 评审专家的总数
如果有更多层次， 可以依此类推。
三是确定评价等级集。它是对于每
一个评价子因素做出与它对应的评价等
级集。
ｖ＝Gｖ１，ｖ２，…，ｖｎJ 评价等级集可确定为五个等次， 即：
Ｖ＝G很 好 （ Ｖ１） ， 好 （ Ｖ２） ， 中 等 （ Ｖ３） ， 差 （ Ｖ４） ， 很差（ Ｖ５） J
二、企业集团协同管理绩效的具体
ｄｅｍａｎｄ（ 百万桶 ／天） 。以 它 们 为 原 始 数 据 。石 油 需 求 量 、产 量 以 百 万桶 ／天为单位而不以千桶 ／天为单位， 石 油 矿 藏 年 统 计 数 ｒｅｓｅｒｖｅ 以 百 亿 桶 为 单位， 是为了避免计算中数据溢出。
三 、预 测 方 法 及 误 差 分 析 我们用数学方法筛选因子： 以当年 石油平均价格 ｐｒｉｃｅ 预报对象； 以当年平 均 需 求 ｄｅｍａｎｄ、其 平 方 ｄｅｍａｎｄｓｑ、当 年 供 给 能 力 ｐｒｏｄｕｃｔ、 其 平 方 ｐｒｏｄｕｃｔｓｑ、当 年 世 界 石 油 储 量 ｒｅｓｅｒｖｅ 及 其 平 方 ｒｅ－ ｓｅｒｖｅｓｑ 为 预 报 因 子 ； 进 行 逐 步 回 归 筛 选 因 子 。发 现 供 给 能 力 、石 油 储 量 对 石 油 价 格 影 响 不 大 ， 最 后 得 到 预 测 公 式 。ＷＴＩ
分析模型的建立
一是建立判断矩阵。在确定定性因
素和定量因素的隶属度的基础上， 来建
立判断矩阵。
定性因素的隶属度一般采用模糊评
价统计的方法， 由评审专家对评价对象
的各因素， 按评价等级集确定等级， 然后
统计所有专家的各个评价因素的不同等
级的频数 ｍ。则得到因素 ｉ 被评为等级 ｊ
的可能性。
ｒｉｊ＝
ｍｉｊ ｎ
一、企业集团协同管理绩效的评价 的简单方法
企业集团协同管理绩效一般是依据 协同前后的两个经营期内根据评价因素 所发生的变化而确定的经营效果。它是 从操作层面而进行的对企业集团协同管 理绩效的一种评价方式。
一是确定评价对象集 ｘ＝Gｘ１，ｘ２，ｘ３，…，ｘｋJ 式中， 评价对象集是被评价企业集 团的不同经营期的集合， 在此， 我们可确 定为协同前后两个经营期。 二是确定评价因素集。由于企业集 团绩效评价指标体系是一个多层次的指 标体系， 因此它的评价因素也应该是一 个 多 层 次 的 因 素 集 。这 样 我 们 可 以 定 义 ： 最上层的因素集为： ｕ＝Gｕ１，ｕ２，…，ｕｎJ 第 二 层 的 因 素 集 为 ： ｕｉ＝Gｕ１，ｕ２，…，ｕｋJ（ｉ 表 示 第 二 层 的 第 ｉ 个 因 素，ｋ 表 示 该 因 素 集内有 ｋ 个子因素）。 第 三 层 的 因 素 为 ： ｕｉｊ＝Gｕ１，ｕ２， …，ｕｌJ（ ｉｊ 表示第二层因素 Ｉ 下的第三层子因素 ｊ， ｌ 表示该因素集合内有 ｌ 个子因素） 。
表 ３ ＷＴＩ 石油价格预测值及误差 年份 市场值 预测值 误差 １９８９ １９．６２５５ ２２．１３５４ － ２．５０９９ １９９０ ２４．５５４５ ２１．４５５２ ３．０９９３ １９９１ ２１．５３５０ ２０．６６１５ ０．８７３５ １９９２ ２０．５７４０ ２０．３８７７ ０．１８６３ １９９３ １８．３８０１ ２０．２８２３ － １．９０２２ １９９４ １７．１８８８ １９．０５１７ － １．８６２９ １９９５ １８．３９５３ １８．４４３３ － ０．０４８０ １９９６ ２２．０８３４ １８．３１６４ ３．７６７０ １９９７ ２０．５７９３ １９．１８７４ １．３９１９ １９９９ １９．２９９０ ２２．１３２６ － ２．８３３６ ２００１ ２５．９１０４ ２５．６８５４ ０．２２５０ ２００２ ２６．１３９０ ２７．３１４７ － １．１７５６ ２００３ ３１．００４０ ３１．４４３６ － ０．４３９６ ２００４ ４１．３７８６ ４０．１４９８ １．２２８９
ｐｒｉｃｅ ＝８４６．４１５９ － ２３．３４７５８Gｄｅｍａｎｄ ＋ ０．１６４５８Gｄｅｍａｎｄｓｑ
１５３
统计与决策
ＴＪ ＹＪ Ｃ
企业Ｑ天ＩＹ地 ＥＴＩＡＮＤＩ
２００６ 年第 １１ 期（ 总第 ２２５ 期）
企业集团协同管理绩效评价模型
■王君华
企业集团协同管理的目的是如何使 企业集团运作达到最优， 在评价其协同 管理绩效时一般有两种标准， 即绝对标 准评价和相对标准评价。绝对标准评价 是以一定的标准来分析评价目前企业集 团的经营状况。而相对评估标准是将企 业集团两期的经营绩效作比较来分析企 业集团协同前后的变化， 在相对评估中 多用比率分析， 在本研究中主要采用相 对评价方法。
害 、季 节 性 气 候 变 化 ， 美 元 汇 率 变 化 等 ） 调整， 作出短期预报。３．遇到投机现象造 成波动时， 可以在相对低价位时（ 低于预 测价时） 多购进石油， 在高价位时少购或 不购， 从而避免损失。
石油价格的变化， 归根结蒂是由供 求关系决定的， 而供应能力和需求量容 易统计。一般说来， 可供商品的数量决定 商品价格。石油价格的波动是否由石油 资源的枯竭而形成的？ 不能简单这样说。 据统计世界石油储藏量不断增大， 勘探 速度超过开采速度。按照目前产量， 现有 储量够开采约 ５０ 年。考虑到今后新矿藏 的不断发现， 估计 １００ 年内石油资源不 会枯竭， 所以油价飞升不是由于石油资 源缺乏形成的。