数学建模——-甲醇价格近期预测和长期预测模型
数学建模——-甲醇价格近期预测和长期预测模型
甲醇价格近期预测和长期预测模型摘要：合理安排产品价格是公司企业取得良好收益的主要举措。
从区域经济发展和产品产业内在关系的视角，对影响产品价格的因素进行分析选择，在此基础上，利用各因素的相互联系，对产品的市场价格进行预测，又是帮助公司企业合理安排产品价格变动的主要方法。
本文对甲醇而言进行价格预测，甲醇的价格波动受到进口量、进口均价、出口量、出口均价、月产量和开工率的影响，利用多个因素的数据进行也测，有利于甲醇制造商对价格做出合理安排，既能让消费者满意，又能给自己带来最大的收益。
本题的最主要的问题在于误差，误差能尽可能减小，但不会消失。
为了接减少预测误差，本文采用多种方法对甲醇的价格进行短期、长期的预测。
关键词：预测灰色预测权数神经网络一、问题重述1.1问题一已知近期和近几年的甲醇市场变化和具体数值，对近期（一个月）的甲醇行情变化做出预测。
1.2问题二在第一问的基础上，综合更多因素，对长期（一年）的甲醇行情变化做出预测。
1.3问题三有代表性、指导性、真实性、前瞻性的价格指数模型（类PPI）和行业景气指数模型（类PMI）[1]，是指导公司企业做出决策的重要指导方案。
1.4 问题四企业的发展离不开好的决策方法，根据以往数据和预测给出建议是很由必要性参考价值和的。
二、问题分析2.1 问题一该题是一道短期预测题，短期预测的方法都很多，但是简单的方法受到的限制多，适用范围小，一次合理选择预测方法是一个难点。
在这个题目中，大量数据的处理同样是一个难点。
为了预测下一个月的平均单价，我们简化条件，处理数据采用灰色预测法，建立G（1，1）模型求解。
2.2 问题二该题同样是预测题目，除了问题一遇到的问题，另外，时间的变化，其他因素的影响也会造成价格的变动，考虑的要素增多，为了全面考虑，我们利用回归方程，建立线性方程组，多次求解，得到各因素的权重，进而解决问题。
2.3 问题三给出价格指数模型，景气指数模型，必要的问题是对两个概念的理解，涉及到经济方面的问题，难点在于经济预测和数学模型的联系，前两个问题的合理解决也有助于解决该题。
未来甲醇市场供需平衡趋势分析预测
成为了重点调控对象之一。尤其是2011年国家发展改革 委发布的《关于规范煤化工产业有序发展的通知》(发改 产业[2011]635号)进一步严格了
甲醇项目的审批管理。未来单纯扩大产能的商品甲醇项 目产能增长有限，甲醇产能增长主要来自于煤经甲醇制 烯烃项目以及部分天然气甲醇原料结构改造项目。
根据目前国内甲醇拟在建项目进展情况，并考虑部分落 后产能逐渐关停，预计2015年国内甲醇产能将维持在 5800万吨/年左右，2020年甲醇产能将
虽然2014年整体计划投产的产能不多，但甲醇行业在 2013年投产的装置均在2014年开始向市场释放压力。 2014年上半年，在开工率高位、进口
恢复和下游需求较差的影响下，甲醇价格不断承压下滑。 石油和化学工业规划院、中国氮肥工业协会和中国石化 联合会产业发展部三方联合调研发现，过去10
年，传统领域甲醇消费量仍保持较快增长，年均增长率 达到21.4%，但随着下游市场需求趋于稳定和饱和，增长 势头有所放缓。其中，由于技术突破，醋酸
出口为导向，以廉价天然气和油田伴生气为原料发展大 型天然气甲醇，具有显著的成本竞争优势，预计未来较 长时期内，我国仍将是国外甲醇生产商的重要目标
市场，国外低成本甲醇对中国市场的冲击将长期存在。 天然气甲醇面临原料供应和价格上涨挑战。近年来，天 然气供应紧张和气价上涨一定程度影响了天然气甲
醇装置开工率。天然气作为清洁能源，对于改善大气环 境质量意义重大，未来在天然气甲醇领域的供应将进一 步偏紧，并且随着价格市场化，天然气甲醇竞争力
和有机硅产业对甲醇消费需求仍然保持旺盛势头，但随 着醋酸产能过剩和市场饱和，未来对甲醇消费增长也将 放缓。产能过快扩张近年来，我国甲醇装置规模和
产业集中度进一步提升，已形成神华、兖矿、中海油等 多家百万吨级以上规模甲醇生产企业。总体上看，我国 中小型甲醇生产企业仍然众多，主要分布在山西、
2023年甲醇行业洞察报告及未来五至十年预测分析报告
甲醇行业洞察报告及未来五至十年预测分析报告目录申明 (4)一、甲醇企业战略选择 (4)(一)、甲醇行业SWOT分析 (4)(二)、甲醇企业战略确定 (5)(三)、甲醇行业PEST分析 (5)1、政策因素 (5)2、经济因素 (6)3、社会因素 (7)4、技术因素 (7)二、2023-2028年宏观政策背景下甲醇业发展现状 (7)(一)、2022年甲醇业发展环境分析 (7)(二)、国际形势对甲醇业发展的影响分析 (8)(三)、甲醇业经济结构分析 (9)三、甲醇产业未来发展前景 (10)(一)、我国甲醇行业市场规模前景预测 (11)(二)、甲醇进入大规模推广应用阶 (11)(三)、中国甲醇行业的市场增长点 (11)(四)、细分甲醇产品将具有最大优势 (12)(五)、甲醇行业与互联网等行业融合发展机遇 (12)(六)、甲醇人才培养市场广阔，国际合作前景广阔 (13)(七)、甲醇行业发展需要突破创新瓶颈 (14)四、2023-2028年甲醇业市场运行趋势及存在问题分析 (14)(一)、2023-2028年甲醇业市场运行动态分析 (14)(二)、现阶段甲醇业存在的问题 (15)(三)、现阶段甲醇业存在的问题 (15)(四)、规范甲醇业的发展 (17)五、甲醇企业战略目标 (17)六、2023-2028年甲醇业竞争格局展望 (18)(一)、甲醇业经济周期分析 (18)(二)、甲醇业的增长与波动分析 (18)(三)、甲醇业市场成熟度分析 (19)七、甲醇行业存在的问题分析 (19)(一)、基础工作薄弱 (19)(二)、地方认识不足,激励作用有限 (20)(三)、产业结构调整进展缓慢 (20)(四)、技术相对落后 (20)(五)、隐私安全问题 (21)(六)、与用户的互动需不断增强 (21)(七)、管理效率低 (22)(八)、盈利点单一 (22)(九)、过于依赖政府,缺乏主观能动性 (23)(十)、法律风险 (23)(十一)、供给不足,产业化程度较低 (23)(十二)、人才问题 (24)(十三)、产品质量问题 (24)八、甲醇成功突围策略 (24)(一)、寻找甲醇行业准差异化消费者兴趣诉求点 (24)(二)、甲醇行业精准定位与无声消费教育 (25)(三)、从甲醇行业硬文广告传播到深度合作 (25)(四)、公益营销竞争激烈 (26)(五)、电子商务提升甲醇行业广告效果 (26)(六)、甲醇行业渠道以多种形式传播 (26)(七)、强调市场细分，深耕甲醇产业 (27)九、甲醇行业多元化趋势 (27)(一)、宏观机制升级 (27)(二)、服务模式多元化 (27)(三)、新的价格战将不可避免 (28)(四)、社会化特征增强 (28)(五)、信息化实施力度加大 (28)(六)、生态化建设进一步开放 (29)1、内生发展闭环,对外输出价值 (29)2、开放平台,共建生态 (29)(七)、呈现集群化分布 (29)(八)、各信息化厂商推动甲醇发展 (30)(九)、政府采购政策加码 (31)(十)、个性化定制受宠 (31)(十一)、品牌不断强化 (31)(十二)、互联网已经成为标配“风生水起“ (32)(十三)、一体式服务为发展趋势 (32)(十四)、政策手段的奖惩力度加大 (32)十、关于未来5-10年甲醇业发展机遇与挑战的建议 (33)(一)、2023-2028年甲醇业发展趋势展望 (33)(二)、2023-2028年甲醇业宏观政策指导的机遇 (33)(三)、2023-2028年甲醇业产业结构调整的机遇 (34)(四)、2023-2028年甲醇业面临的挑战与对策 (34)申明中国的甲醇业在当前复杂的商业环境下逐步发展，呈现出一个积极整合资源以提高粘连性的耐寒时代。
甲醇发展现状及未来预测
甲醇发展现状及未来预测Coca-cola standardization office【ZZ5AB-ZZSYT-ZZ2C-ZZ682T-ZZT18】我国甲醇发展现状及未来预测近年来，中国甲醇市场非常火爆：甲醇价格持续高位，甲醇生产装置开工率不断提高，各地甲醇新建项目陆续开工。
出现这种局面的原因，一是甲醇传统消费领域，如甲醛、醋酸等产品的产量稳步提升，对甲醇的需求量逐步增加；二是新的消费领域，如醇醚燃料、甲醇制烯烃等由于发展前景广阔，也引发了国内对甲醇装置的投资热。
中国甲醇发展现状2005年，我国消费甲醇666万t，进口甲醇136万t，出口万t，净进口130万t。
同年，国内甲醇产能720万t，产量536万t，开工率%。
2000年，我国甲醇产能只有348万t，表观消费量为万t。
从2000年至2005年的5年间，我国甲醇产能年均增长率为%，表观消费量年均增长率为%。
目前，我国甲醇消费主要集中在甲醛、醋酸、醇醚等领域。
中国石油和化学工业协会提供的调研报告显示，2006年，我国甲醇生产、消费继续同步增长。
国家统计局的数据显示，2006年国内共有甲醇生产企业142家，产能合计为1036万t，产量为万t。
其他途径的数据显示，除上述142家甲醇企业外，我国还有25个已投产的甲醇项目，产能合计万t，产量为万t。
在这25个项目中，有的是2006年建成投产或者完成技术改造的，由于投产时间较晚，实际产量不大；有的是因为技术等方面的原因导致开工率不足，产量较低。
综合这两部分数据可知：2006年我国共有甲醇生产企业167家，产能合计万t，产量万t。
2006年，我国进口甲醇万t，出口19万t，净进口量94万t，表观消费量万t，甲醇消费同比增长45%。
由此可见，2006年国内甲醇供应存在着一定的缺口，需要进口来弥补。
“十一五”我国甲醇发展预测据统计，“十一五”期间我国新建、拟建甲醇项目共42个（不包括二甲醚、甲醇制烯烃生产企业自身配套的甲醇生产装置）。
基于组合模型的大宗商品价格预测与可视分析——以甲醇价格为例
基于组合模型的大宗商品价格预测与可视分析——以甲醇价格为例殷红;张霞;王长波【摘要】Due to the influence of domestic and international factors,the prices of commodities fluctuate more greatly and is difficult to predict accurately.A reasonable screening method of influencing factors is designed,and a combination forecasting method based on factor analysis is put forward.By predicting continuously the methanol price for one year,it is shown that the combination forecasting model based on GARCH (generalized auto-regressive conditional heteroskedasticity) and ARMA (auto-regressive and moving average) has a good effect on the prediction of the long-term trend of methanol price.In order to introduce the experience of experts and make up the defect of existing methods in predicting the inflection point of fluctuation,a dynamic visualization analysis system with the experience prediction of expert is constructed,which also can dynamically compare the prediction effect of all kinds of combination model.%大宗商品价格因受国际和国内众多因素的影响而具有较大的波动性,对其进行准确预测具有较大的挑战.从对大宗商品价格影响因素的筛选出发,提出了基于因素分析的组合预测方法.对一年期的甲醇价格的跟踪预测表明,以广义自回归条件异方差(generalized auto-regressive conditional heteroskedasticity,GARCH)模型和自回归移动平均(auto-regressive and moving average,ARMA)模型相结合的组合预测模型对甲醇价格的中长期趋势预测有较好的效果.为结合专家的经验判断,弥补已有方法对波动拐点预测滞后的不足,并对各类组合模型的预测效果进行动态比较,构建了一个融合专家经验值的动态可视分析系统.【期刊名称】《东华大学学报（自然科学版）》【年(卷),期】2017(043)004【总页数】7页(P541-546,551)【关键词】大宗商品;价格预测;组合模型;可视分析【作者】殷红;张霞;王长波【作者单位】华东师范大学经济管理学部,上海200062;华东师范大学计算机科学与软件工程学院,上海200062;华东师范大学计算机科学与软件工程学院,上海200062【正文语种】中文【中图分类】TP301.6随着经济的发展, 大宗商品在国民经济及社会生活中占有越来越重要的地位, 其价格受到越来越多的关注.但是, 大宗商品的价格受国际和国内众多因素的影响, 要对其进行准确预测具有很大的挑战.以甲醇价格为例, 由于受到市场供求关系、原材料价格、下游产品价格、季节因素、国际甲醇价格及宏观经济环境等诸多因素的影响, 具有较大的波动性.同时大宗商品价格受市场心理预期影响大, 对不规则的突发事件、极端天气等反应敏感, 如2014年10月甲醇价格非预期的暴涨就是由国外突发装置故障所致, 此波上涨行情持续了半年之久.大宗商品价格的不确定性波动, 不仅给大宗商品生产企业和消费企业带来重大的影响, 也给社会经济发展带来风险, 因而对大宗商品价格的预测研究具有重要的意义.目前的预测方法主要包括时间序列分析、统计模型、计量模型和人工神经网络等单模型预测方法.郭世杰[1] 建立了反映中国和国际原油市场动态结构的向量自回归短期预测模型和误差修正模型; 李康琪等[2] 采用MA(3)-GARCH(1, 1)模型分析了BRENT原油期货收盘价的波动性; 董振宇等[3] 建立了国际原油价格预测的双层随机整数规划模型和算法; 陈羽瑱[4] 采用小波分析和Copula方法, 研究了原油期货价格的波动及其与人民币汇率变动的关系; 王新宇等[5]提出了含有结构变点和外生协变量的CPAAVS-CAViaR原油市场风险预测模型.近年来支持向量机(SVM)模型也越来越多地应用于时间序列预测.Kim[6]最早将SVM模型应用于金融时间序列预测; Guo等[7]提出了国际原油价格预测的改进遗传算法SVM模型; 许晴等[8]建立支持向量机模型对煤炭价格进行预测分析, 得到了更好的预测效果.组合预测模型比单模型更好.汪寿阳等[9]最早提出了集成“文本挖掘技术、计量经济模型和人工神经网络”的国际原油价格预测方法; 还有一些学者提出了灰色组合预测方法、小波分析与自适应滤波器组合方法等.Nguyen等[10]将小波分解与自适应机器学习、自适应广义自回归条件异方差(generalized auto-regressive conditional heteroskedasticity, GARCH)模型结合起来, 应用于对电力价格和天然气价格的预测分析; Kazem等[11]则提出了基于混沌映射、Firefly算法和支持向量回归方法的组合预测模型.由于原油等大宗商品的价格序列具有非线性、非平稳性和多尺度特征, 单模型和一般组合模型并不能很好地抓住其价格的变动特征, 一些学者进一步提出了多尺度组合预测方法.Yu等[12]较早地提出了基于经验模态分解(EMD)方法对价格序列进行分解, 运用前置神经网络方法对分量进行预测, 并采用自适应性神经网络进行集成的预测思路; 杨云飞等[13]提出了基于EMD方法和支持向量机的非线性组合预测方法, 实证表明其预测精度要优于单一SVM模型和一般组合模型; 蒋铁军等[14]则构建了一种集合经验模态分解(EEMD)和进化核主成分回归(KPCR)的自适应预测方法; 王书平等[15]综合运用经验模态分解与BP神经网络, 对国际原油价格的变动特点和走势进行了分析.然而, 多尺度组合预测模型虽然能够很好地拟合原油价格分解序列中的趋势项, 但对于细节部分预测效果并不是很好.针对大宗商品价格波动所具有的上述特点, 目前的预测方法还存在以下不足: (1) 对价格影响因素的分析不够深入和全面, 对因素的选取具有一定的主观性; (2) 没有很好地融合定量分析和定性分析, 价格周期性波动的拐点往往与突发事件、行业政策等随机因素有关, 也与市场预期因素有关, 而这些因素很难通过现有模型预测分析得到, 需要更多地借助业内专家经验判断, 早在2001年Rowe等[16]就证明了专家经验在预测中的重要性; (3) 不能动态地比较和选取模型, 大宗商品的价格波动错综复杂, 很难有单一模型或组合模型能够保证在任何时期都有最好的预测效果, 动态地评价和选取模型可以提高预测的效率.因此, 针对上述现有预测方法的不足, 本文拟解决以下问题: (1) 设计合理的影响因素筛选方法; (2) 建立基于因素分析的组合预测模型; (3) 构建一个融合专家经验预测的动态可视分析系统.因此, 本文将运用逐步回归法筛选大宗商品价格的影响因素; 建立因素预测模型和时间序列模型相结合的组合预测模型, 进行短期价格和中长期趋势预测; 结合定量分析和定性分析, 构建一个融合专家经验预测的可视分析系统, 对各类组合模型的预测效果进行直观展示和动态比较.影响商品价格的因素有很多, 以甲醇产品为例, 其要受到市场供求关系、原材料价格、下游产品价格、替代品价格、进口价格以及宏观经济环境等的影响, 因此需要找出主要的影响因素.另外, 因素之间可能存在着交叉效应, 同时考虑这些因素会出现多重共线问题, 逐步回归法可以克服这一问题.本文将综合运用相关性分析和逐步回归法对因素进行筛选, 下文以甲醇价格为例来说明因素选取的过程.通过对甲醇价格的影响因素进行定性分析, 并结合数据的可得性, 选取了以下指标: 甲醇产量、进口量、出口量、进口价、出口价、原油价格、煤价、PPI(producerprice index)、PMI(purchasing managers’ index)以及各港口到岸价等.这些指标的数据均来源于上海某化工集团情报所.首先需要对原始数据进行处理, 包括使用移动平均法修补缺失数据、分析数据中的异常值等, 这些异常值可能是采集过程中的人为统计错误, 也可能是突发事件造成的异常变化.鉴于指标度量单位之间的差异, 还需要对数据进行标准化处理, 处理的方法为: 原始值减去其均值除以标准差, 标准化后的数据在[-5.0, 5.0]的范围内.其次运用相关性分析剔除一些与甲醇价格相关度不高的指标, 比如出口价.然后考察因素之间的相关性, 同时考虑这些因素会使得因素预测模型存在严重的多重共线问题, 运用逐步回归法对因素的筛选结果如表1所示, 这些因素都对甲醇价格有显著的影响, 且相互之间不存在明显的交叉效应.由于甲醇价格的变化错综复杂, 因素的影响也在不断地变化中, 需要对选取的因素进行动态调整.为了对大宗商品的价格进行预测, 首先需要分析其价格时间序列的特征.以甲醇价格为例, 其具有的特征有自相关性、周期性、季节性、波动群聚性等, 一些时间序列分析方法能很好地抓住以上特征, 比如指数平滑法、季节指数法、自回归移动平均法(ARMA)等, 这些方法对于价格序列的中长期趋势预测是合适的.然而, 除了上述特征外, 正如上文所述, 甲醇价格的短期变化主要与一些市场因素和经济因素的影响有关, 因此，对于甲醇价格的短期预测需要更多地借助于因素预测模型.因素预测模型以机器学习为主, 包括SVM模型、BP神经网络、小波神经网络、自适应滤波器等, 这些模型都具有较强的函数学习和推广能力, 但也存在着预测值不稳定、陷入局部极小值等问题.机器学习模型大都属于单因素的预测模型, 能够输入的因素有限, 回归模型虽然能同时考虑多个因素, 但对非线性关系的处理能力较弱.计量模型中的GARCH模型在因素预测方法中具有一定的优势, 该模型的均值方程不仅可以同时接纳多个因素作为自变量, 而且其方差方程可以捕捉到价格波动中的群聚性, 还能抓取时间序列的季节性等特点, 大大提高了对价格序列的拟合程度.Morana[17]早在2001年就通过试验证明了GARCH模型适用于原油价格的短期预测, 随后GARCH模型被广泛用于电力、煤价、股价等序列的预测中.GARCH 模型可以通过设定不同的参数来进行拟合.本文所采用的GARCH模型公式为εt=vt, vt～N(0, 1)ht=α0+β1ht-1+…+βpht-p+α1+…+αq其中: Yt为大宗商品的价格; Xit为影响因素，i=1, 2, …, n; εt为随机误差项; ht为条件方差; p、q为条件方差移动平均自回归的阶数.由于GARCH模型等因素预测模型非常适合于短期预测, 因此, 对于大宗商品价格的短期预测, 拟采用GARCH模型、SVM模型、BP神经网络、小波神经网络等因素预测模型; 对于大宗商品价格的中长期趋势预测, 则采用因素预测模型和时间序列模型相结合的组合模型, 如GARCH模型与ARMA模型的组合、SVM模型与指数平滑模型的组合等.每种模型都有自身的优势和局限性, 而大宗商品的价格变化是个复杂的动态过程, 模型的拟合程度也会随着环境的变化而变化, 因此需要进行多种模型组合, 并对模型组合的预测效果进行动态评价.对于模型的评价则选用通常的评价指标, 如拟合优度、均方根误差、绝对百分误差、偏差率等.为了说明单模型和组合模型的预测效果, 这里以2008年1月至2015年9月的甲醇价格和相关因素的月度数据为样本, 对2015年10月至2016年10月的甲醇价格进行了连续地跟踪预测.单模型和组合模型的拟合效果及平均预测误差如表2所示.从表2可以看出: 在短期预测中因素预测法要比单纯的时间序列预测法更为准确; 在所有的因素预测法中, GARCH模型的拟合效果和预测误差是最小的; 在中长期趋势预测中, 组合模型要比单模型的预测精度更高, 组合模型中又以GARCH模型和ARMA模型组合的预测误差最小.当然这些结论只适用于2015年10月至2016年10月期间的甲醇价格预测.对于GARCH和ARMA模型组合是否对于其他的大宗商品价格预测也具有优势还需要进一步地考察.对单模型和组合模型进行动态跟踪评价和比较, 虽然能提高预测的效率, 但大大增加了业界在操作上的复杂性, 因此需要设计一套可视的价格预测分析系统.另外, 大宗商品价格的异常波动经常与市场预期和随机因素有关, 而这些因素难以通过模型预测分析得到, 需要更多地借助业内专家经验判断, 因而系统还需要融合专家的经验预测.3.1 可视分析系统的设计(1) 因素选取设计.如何通过数据分析选取出对价格有重要影响又彼此不产生交互效应的因素, 是应用因素预测模型进行预测的关键. 正如前文所述, 这可以通过价格与因素、因素与因素之间的相关性分析得出.为了直观地呈现价格与各因素之间的相关性, 本文设计了一个相关性分析图, 如图1所示. 图1(a)是用颜色的深浅来表示相关关系, 颜色越深表示正相关性越强, 颜色越浅表示负相关性越强.图1(b)则是用圆圈的大小表示相关性的强弱, 圆圈越大表示相关性越强.相关性图只能对影响因素进行初步的判断, 对因素的选取还需要运用规范的逐步回归法.这里使用程序语言对逐步回归的步骤进行了编程设计, 用户通过系统菜单可以查看因素的选取结果. (2) 各种模型组合的预测效果评价设计.可视分析系统可以对各种组合模型预测的效果进行直观展示, 如图2所示, 其中, Price表示2013年12月的实际甲醇价格, GARCH、BP、WNN、ARMA、ES和SES分别表示用GARCH模型、BP神经网络、小波神经网络、ARMA模型、季节指数法和指数平滑法预测得出的价格.图2中下方的折线表示用不同的模型组合拟合和预测得出的序列, 由于预测工作是从2015年10月开始的, 所以2015年10月以前的数据为模型的拟合值, 2015年10月以后的数据为用组合模型预测得出的甲醇价格长期(3个月后)预测值.图2中上方的图片是对下方时间序列所选部分的细节展示, 通过放大细节可以更清楚地观察甲醇价格的短期变化趋势.同时, 在细节展示图中还跟踪设置了模型的拟合评价指标和误差评价指标, 用户通过点击各条折线就能方便地查看和比较各种模型组合在每个时期的预测误差.(3) 专家经验预测值的融合设计.本文设计了一个能输入专家经验预测值的交互界面(如图3所示), 该交互界面包含专家对短期价格变化幅度的估计、长期趋势(后3个月)的判断以及对市场预期的量化分析.通过将模型的短期和中长期预测值与专家的经验预测值进行比较, 可以在一定程度上对突发因素、随机事件等进行预判, 弥补已有模型对价格波动拐点预测滞后的缺陷.同时, 还设计了对专家经验水平的评分规则, 并基于此来设置专家的预测值权重, 通过与模型预测值的加权平均得到一个综合的预测结果.将定量分析和定性分析相结合, 可以降低不确定性因素对模型预测效果的影响.3.2 可视分析系统的实现本文使用D3.js库来开发可视分析系统, 结合HTML、CSS(cascading style sheets)和SVG(scalable vector graphics)等技术将数据以图形化的形式展现出来.可视分析系统包括标题和导航栏, 可以对整个系统所要显示的内容进行选择, 包括对预测方法的选择和对模型评价指标的选择, 如图4所示.其中预测方法包括GARCH模型、BP神经网络、小波神经网络、ARMA模型、指数平滑法以及季节指数平滑法等, 模型评价指标包括拟合度、均方根误差、绝对百分比误差和偏差率等.系统还将预测分为短期价格预测和中长期趋势预测, 方便用户进行选择, 系统的总体效果如图5所示.本文系统当前展示的是针对甲醇价格的预测, 但是该系统具有很强的可修改性, 也同样适用于其他大宗商品价格的预测分析.本文以甲醇价格预测为例得出: 对于大宗商品价格的短期预测, 因素预测模型比时间序列模型的预测效果更好; 对于大宗商品价格的中长期趋势预测, 以GARCH模型和ARMA模型相结合的组合模型预测效果最好; 通过构建一个融合专家经验预测的交互可视分析系统, 可以方便地比较各种模型组合的预测效果, 并能降低不确定因素对模型预测精度的影响.然而, 本文所构建的可视分析系统还比较粗糙, 更多的是对模型预测结果的图形展示, 还不能实现更多的功能, 比如通过对专家预测值和模型预测值的对比自动地对突发因素进行识别等.另外, 大数据分析技术正在迅速地发展, 如果系统能实现对大宗商品网评数据的挖掘, 并用来对市场投资情绪和行业政策等因素的非预期变化进行分析, 将大大提高对价格波动预测的准确性.总之, 不管是预测方法还是系统功能都有待进一步地提高和完善.【相关文献】[1] 郭世杰. 应用VEC模型分析国际原油价格对中国原油价格的影响[J]. 商, 2015(22): 260-260.[2] 李康琪, 何淼. BRENT原油价格波动性及预测研究[J]. 江苏商论, 2015(26): 44-45.[3] 董振宇, 冯恩民, 尹洪超, 等. 国际原油价格预测的双层随机整数规划模型、算法及应用[J]. 运筹学学报, 2015, 19(3): 18-25.[4] 陈羽瑱. 基于多分辨率小波分析和Copula方法的原油期货价格和人民币汇率风险溢出效应研究[J]. 时代金融旬刊, 2016(24): 30-31.[5] 王新宇, 邵哲, 宋学锋. 考虑美元指数冲击的CPAAVS-CAViaR油价风险预测[J]. 中国矿业大学学报, 2016, 45(4): 843-848.[6] KIM K. Financial time series forecasting using support vectormachines[J].Neurocomputing, 2003, 55(1): 307-319.[7] GUO X, LI D C, ZHANG A. Improvedsupport vector machine oil price forecast model based on genetic algorithm optimization parameters[J]. Aasri Procedia, 2012, 1(4): 525-530.[8] 许晴, 谭鹏, 张成, 等. 秦皇岛煤炭价格预测研究——基于因素分析法和支持向量机模型[J]. 价格理论与实践, 2014(2): 79-81.[9] 汪寿阳, 余乐安, 房勇. 国际油价波动分析与预测[M]. 长沙: 湖南大学出版社, 2008.[10] NGUYEN H T, NABNEY I T. Short-term electricity demand and gas price forecasts using wavelet transforms and adaptive models[J]. Energy, 2010(9): 3674-3685.[11] KAZEM A, SHARIFI E, HUSSAIN F K, et al. Support vector regression with chaos-based firefly algorithm for stock market price forecasting[J]. Applied Soft Computing, 2013, 13(2): 947-958.[12] YU L A, WANG S Y, LAI KK. Forecasting crude oil price with an EMD-based neuralnetwork ensemble learning paradigm[J]. Energy Economics, 2008(30): 2623-2635. [13] 杨云飞, 鲍玉昆, 胡忠义, 等. 基于EMD和SVMs的原油价格预测方法[J]. 管理学报, 2010,7(12): 1884-1889.[14] 蒋铁军, 张怀强, 王先甲. 基于EEMD和进化KPCR的复杂时间序列自适应预测建模[J]. 系统工程理论与实践, 2014, 34(10): 2722-2730.[15] 王书平, 朱艳云. 基于多尺度分析的国际原油价格预测方法研究[J]. 价格月刊, 2015(10): 1-5.[16] ROWE G, WRIGHT G. Expertopinions in forecasting: The role of the delphi technique[M]//Principles of Forecasting. New York: Springer, 2001: 125-144.[17] MORANA C. Asemiparametric approach to short-term oil price forecasting[J]. Energy Economics, 2001, 23(3): 325-338.。
2023年甲醇市场未来两三年的发展方向分析
甲醇市场未来两三年的发展方向分析据了解，自上世纪90年月以来，国内甲醇行业快速崛起，历经11年时间，全国甲醇产能就从1999年的368万吨，快速扩张至2022年的3800万吨，一举跃为世界最大的甲醇生产国和消费国。
而2022年，全球甲醇产量仅5000多万吨，假如我国甲醇业满负荷生产，可满意全球75%以上供应。
但是，我国虽然产能很大，需求增长并不对等，2022年全国甲醇消费量为2092万吨，仅为现有产能的55%。
最近，一条消息刺激着甲醇业的神经：甲醇期货已通过证监会立项批准，目前正在征求其他部委看法，最快有望于6月份批复上市。
无疑，此预期给了业内些许想象空间。
生产与流通企业无不热望我国在甲醇国际定价权方面有所建树，以期转变产能大国、话语权弱国的劣势地位，给当前持续低迷的甲醇市场注入一针强心剂。
然而，在行业产能过剩、进口冲击，以及下游需求增长不同步等因素影响下，估计两三年内国内甲醇市场仍将不温不火，难以复制2022年6月价格一度达到4500元/吨的火爆行情。
扩能态势如火如荼一个不行忽视的问题是，国内甲醇供需冲突已经特别突出，各地特殊是拥有煤炭资源的省区，以及众多氮肥企业扩能热忱不减，将供大于求推向极致。
据悉，近5年甲醇扩能呈现逐年递增态势，2022年之前年均增长不足20%，2022年、2022年增速达50%，产能快速突破了2000万吨规模；2022年、2022年产能增速有所放缓，但2022年产能增长率又快速拉高至38%。
进入2022年，各地甲醇开工建设捷报频传。
如1月份，中国神华集团包头煤化工公司煤制烯烃项目投入运行，项目包括年产180万吨煤制甲醇联合化工装置。
各地一些骨干氮肥企业也以配套技改为由，争先恐后地实施甲醇、合成氨、尿素一体化建设。
行业估计2022年国内将新增1100多万吨甲醇产能，年底我国甲醇产能将达到4900万吨。
业内乐此不疲地扩张产能，只会产生价格下行牵引力，使甲醇价格上涨有点难。
下游增速尚难同步与甲醇扩能不行同日而语的是，下游需求并没有同步跟上。
甲醇价格分析
我国甲醇价格分析近年，我国对甲醇的需求量已占据世界第一位，每年都需要大量进口。
然而，国内生产成本过高，加之大量低价进口甲醇的冲击，使国内甲醇产业受到两面夹击。
成本高使国内企业面临困境国内目前有近200家甲醇生产商，65%以上甲醇企业以煤为原料，其中又有80%的企业以无烟煤为原料。
在国外，甲醇生产几乎都采用天然气，其成本比煤制气要廉价。
以2009年1月的煤炭价格计算，煤头甲醇企业的盈亏平衡点在1900元～2300元/吨，气头企业盈亏平衡点在1700元/吨。
因此，今后较长时间，国内甲醇出厂价极可能在1600～2100元/吨波动，二甲醚出厂价将围绕2600～3600元/吨盘整，大多数企业将不得不直面微利甚至亏损经营的尴尬。
自2008年10月底起，国内甲醇交易价格已低于2000元/吨(按进口等同基准230美元/吨)，国内许多生产商被迫大大降低开工率或完全停产，这些生产商需要甲醇交易价格在2000元~2500元/吨才能生存下去。
然而，截至2009年2月上旬，国内华东市场的甲醇价格仍在1800元/吨左右盘旋，这表明国内许多甲醇装置不太可能很快提高其开工率或重新开启。
2008年甲醇的产量没有达到预期的1400万吨，只有1126万吨。
实际上，目前国内超过40%的甲醇企业已经停产，绝大多数甲醇装置低负荷运行，产量和供应量不断减少。
我国将成为世界甲醇生产商的目标市场我国将成为世界甲醇生产商的目标市场。
从目前的进口来源分布看，中东地区的数量最大，占总进口量的56%；其次为新西兰，占32%；其他国家的份额较小。
目前国内甲醇市场的变化与国外基本保持一致，但国外甲醇厂家具有装置规模大、生产工艺先进、原料价格低等优势，而近期关税进一步降低，如东盟10国关税为零，新西兰关税降到3%，无疑将加剧国外产品对国内市场的冲击。
国际廉价的天然气制甲醇涌入我国市场，也给我国煤基甲醇形成了巨大的压力。
近几年，俄罗斯、伊朗、沙特阿拉伯等国家依托丰富而廉价的天然气资源建设了十几个大型甲醇项目。
国内甲醇市场分析综述及后市预测
国内甲醇市场分析综述及后市预测近期欧美甲醇市场保持稳健运行，市场交易比较活跃。
欧洲地区在合同价格以及需求稳定的支持下，甲醇的现货价格保持在270-280美元/吨（FOB价，鹿特丹）；美国甲醇因需求坚挺导致供应短缺，现货价格为90.5-91.5美分/加仑（折合301.6-304.9美元/吨美国海湾FOB价）；亚洲东北亚地区交易比较疲滞，受中国内地市场货源充分价格低下的拖累，上周中国进口甲醇到岸价为250-275美圆/吨，比前一周下跌5美元/吨，东南亚地区受到中东甲醇资源外流以及装置停车的影响，市场供应非常紧急，甲醇到岸价格295-300美元/吨，低端价格比前一周上涨5美元/吨，其余地区甲醇价格保持平稳。
目前国内甲醇市场的供需状况消失肯定的好转迹象。
主要是得宜于供需两方面的乐观努力。
由于国内甲醇价格与进口价格形成的倒挂现象，削减了进口货的供应数量，同时部分地区利用差价乐观组织出口，又减轻了国内市场的供应压力；另一方面，随着天气的温和，下游行业的开工率提高，需求也有所增加。
供求双方的同步调整，使得甲醇市场的供求局面渐渐平衡，并拉动市场价格重心有所上抬。
近期华东地区资源比较充分，其中进口货源不多，进口商因无利可盈，也不情愿低价出货，市场供应以国产甲醇为主。
由于近期华东到货比较集中，而下游需求缺乏新的热点，成交相对平淡，前期部分地区小幅上升的势头已经平静，市场已经走稳。
但目前国产货到港成本比前期上升了30元/吨左右，而且周边的山东等地区因需求渐渐回升，价格也随之小幅上涨，促进了华东甲醇价格重心整体悄然上抬。
在进货成本上涨的状况下，一手贸易商不情愿在低价位出货，对市场报价有小幅上调，目前华东地区甲醇主流价格2600-2750元/吨；与一周前相比，价格小幅上涨20-30元/吨。
近期欧美甲醇市场保持稳健运行，市场交易比较活跃。
欧洲地区在合同价格以及需求稳定的支持下，甲醇的现货价格保持在270-280美元/吨（FOB价，鹿特丹）；美国甲醇因需求坚挺导致供应短缺，现货价格为90.5-91.5美分/加仑（折合301.6-304.9美元/吨美国海湾FOB价）；亚洲东北亚地区交易比较疲滞，受中国内地市场货源充分价格低下的拖累，上周中国进口甲醇到岸价为250-275美圆/吨，比前一周下跌5美元/吨，东南亚地区受到中东甲醇资源外流以及装置停车的影响，市场供应非常紧急，甲醇到岸价格295-300美元/吨，低端价格比前一周上涨5美元/吨，其余地区甲醇价格保持平稳。
数学建模——商品需求量的预测
实验十三 商品需求量的预测【实验目的】1．了解回归分析的基本原理和方法。
2．学习用回归分析的方法解决问题，初步掌握对变量进行预测和控制。
3．学习掌握用MA TLAB 命令求解回归分析问题。
【实验内容】现有某种商品的需求量、消费者的平均收入、商品价格的统计数据如表1所示,试用所提供的数据预测消费者平均收入为1000、商品价格为6时的商品需求量。
【实验准备】现实生活中，一切事物都是相互关联、相互制约的.我们将变化的事物看作变量，那么变量之间的相互关系，可以分为两大类：一类是确定性关系，也叫作函数关系,其特征是一个变量随着其它变量的确定而确定,如矩形的面积由长宽确定；另一类关系叫相关关系，其特征是变量之间很难用一种精确的方法表示出来,如商品销量与售价之间有一定的关联，但由售价我们不能精确地计算出销量。
不过，确定性关系与相关关系之间没有一道不可逾越的鸿沟，由于存在实际误差等原因,确定性关系在实际问题中往往通过相关关系来体现;另一方面，当对事物内部规律了解得更加深刻时，相关关系也可能转化为确定性关系。
1．回归分析的基本概念回归分析就是处理变量之间的相关关系的一种数学方法，它是最常用的数理统计方法，能解决预测、控制、生产工艺化等问题。
由相关关系函数确定形式的不同，回归分析一般分为线性回归、非线性回归和逐步回归，在这里我们着重介绍线性回归，它是比较简单的一类回归分析,在实际问题的处理中也是应用得较多的一类.回归分析中最简单的形式是y ＝0β＋1βx ＋ε （x 、y 为标量） （1） 固定的未知参数0β，1β称为回归系数，自变量x 称为回归变量,ε是均值为零的随机变量，它是其他随机因素对y 的影响，是不可观察的，我们称(1）为一元线性回归.它的一个自然推广是x 是多元变量,形如y ＝0β＋1β1x ＋…＋m βm x ＋ε （2）m ≥2，我们称为多元线性回归，或者更有一般地y ＝0β＋1β)(1x f ＋…＋m β)(x f m ＋ε (3）其中x ＝（1x ，…，m x ），)(x f j （j ＝1，…，m )是已知函数，称为非线性回归（也叫曲线或曲面回归）。
甲醇价格的短期与长期预测
３ ９ ９ ． ６ ３ ８ ２ ． ６
２ ２ ３ ． ９ ２ ２ ８ ． ３ ２ ２ ８ ． ８
４ ６ ４ ． ５ ４１ ６ ． ８
４ ２ ４ ． ６ ３ ８ ９ ． ６ ４ ７ ０ ． ６
３ ９ ９ ． ２ ６ Ｏ ７ ． ９
４ ３ ４ ． ６ ４ ０ ０ ． ０ ５ ９ ０ ． ９
２ ３ ８ ． １
２ ５ ９ ． ４
４１ ９ ． ５
４１ ０ ． ７
３ ３ ９ ． ０
２ ４ １ ． ８
５ ８ ３ ． ６
５ ０ ０ ． ４
３ ８ ６ ． ７
４ ０ １ ． ４
７ ９ ０ ． ８
１ １ ２ ４ ． ７
３ ７ １ ． ８
３ ７ ０ ． ２
３ ７ ２ ． １
３ ７ ９ ． ２
５ ０ ８ ． Ｉ
４ ４． ６ ４
３ ５ ６ ． １
３ ５ ０ ． ６
２ ８ ３ ． ５
２ ８ ５ ． ４
６ ９ ５ ． ４
７ ６ ５ ． ４
８ ８ ０ ． ７
７ ９ ６ ． ５
９ Ｉ ６ ． ４
３ ８ １ ． １
３ ９ ０ ． ５
４ １ ７ Ｉ ３
３ ７ ９ ． Ｏ
３ ８ ９ ． ６
５ １ ８ － ４
３ ５ ９ ． ２
３ ５ ６ ． ２
４ ２ ８ ． ０
２ ７ ６ ． ８
３ ９ ４ ． ９
６ ８ ２ ． ４
５ ０ ２ ． ８
８ ９ ６ ． ８
６ ７ ８ ． ９
【 关键词 】 甲醇价格 ； Ｇ Ｍ（ １ ， １ ） 预 测； 加权动 态平均 法
一种预测化学品市场走势的简单数学模型介绍.
一种预测化学品市场走势的简单数学模型介绍——连续三月商品量之和同期对比预测方法普华咨询工作室佘文武A Simplified Mathematical Market Forecast Model for Chemical Products --Forecast Methodology by Comparison of the Corresponding Period (Sum of 3 Continuous Months Commodity between present year andprevious year)P.H. Consulting, She Wenwu摘要：本文先分析了对于市场驱动力因素，然后分别建立了动态和静态的预测模型。
其中动态模型由于不具有较高的可操作性而被否定，静态模型被证实具有较高的准确性，该模型粗略理论预测精度在[2/3，5/6)之间。
关键词：市场驱动力、供需、静态模型、动态模型Abstract:Market drivers are firstly analyzed in this paper. Then two simplified mathematical models are respectively proposed, which one is dynamic and the other is static. The dynamic model is denied due to low practicality, but the static model is proven to be highly accurate. And the theoretical forecast accuracy of static model is roughly estimated between 2/3 and 5/6.Keywords:Market driver, Supply & Demand, Static model, dynamic model.一、对于市场驱动力的理解对于市场而言，其最为主要的驱动力是成本（Cost）和供需（Demand & Supply），而对于一些化学品而言，成本的驱动能力是有限的，甚至是微弱的，特别是对于一些利润空间较大的化学品，如一些精细化学品，成本对于市场的驱动力是微不足道的，或者说，与供需对于市场驱动力相比，成本驱动力要小很多，也滞后很多。
国内甲醇市场行情与后市展望
受国际市场、政策等多重因素影响，甲醇价格波动区间可能进一 步扩大。
感谢您的观看
THANKS
详细描述
国内甲醇产能过剩，市场竞争激烈，但分布不均衡，主要集中在西北、华北和华东地区。
需求及消费情况
总结词
需求稳定增长，消费结构多元
详细描述
随着经济发展和人民生活水平提高，国内甲醇需求稳定增长，消费结构多元 化，涉及化工、能源、医药、食品等多个领域。
进出口情况及对国内市场的影响
总结词
出口稳定增长，进口波动较大，影响国内市场价格
投资策略与建议
关注政策动向
01
投资者应密切关注国家政策对甲醇市场的影响，以便及时调整
投资策略。
分析供需变化
02
投资者需要对甲醇市场的供需变化进行分析，掌握市场动态，
以便在价格波动中获利。
选择合适的风险管理工具
03
投资者可以通过选择合适的期货、期权等风险管理工具，降低
投资风险，提高收益稳定性。
风险控制策略与建议
03
甲醇市场的发展趋势与展 望
宏观经济形势与政策对甲醇市场的影响
宏观经济形势
近年来，我国经济保持了平稳增长态势， 这对甲醇市场的发展提供了良好的环境。 然而，国际经济形势的变化，如贸易战、 疫情等，对甲醇的进出口和供需关系产生 了一定的影响。
VS
政策影响
国家对环保和能源消耗的限制日益严格， 对甲醇产业的生产和消费产生了一定的影 响。此外，国家政策对新能源的支持也促 进了甲醇的下游应用。
未来可能出现的风险与挑战
环保压力
随着国家对环保的重视程度不断提高，甲醇产业面临的 环保压力也在增大。企业需要加大环保投入，提高能源 利用效率，以符合国家环保政策的要求。
甲醇市场分析
甲醇市场分析一、市场概述：甲醇是一种重要的有机化工原料，广泛应用于化工、能源、医药、农药、涂料、塑料等领域。
本文将对甲醇市场进行全面的分析，包括市场规模、市场需求、供应情况、价格趋势等方面的内容。
二、市场规模：根据统计数据显示，全球甲醇市场规模持续增长。
截至2020年，全球甲醇产量达到XX万吨，较去年同期增长XX%。
亚太地区是全球甲醇市场的主要消费地区，占据市场份额的XX%。
同时，中国是全球最大的甲醇生产和消费国家，其市场规模占全球市场的XX%。
三、市场需求：1. 化工行业需求：甲醇作为重要的有机化工原料，广泛应用于合成甲醇醚、甲醇酯、甲醇胺等化工产品。
随着全球化工行业的快速发展，甲醇的需求量不断增加。
2. 能源行业需求：甲醇可以作为清洁能源的替代品，广泛应用于汽车燃料、燃料电池等领域。
随着环保意识的提高，甲醇在能源领域的需求也在逐渐增加。
3. 医药行业需求：甲醇作为溶剂和中间体，广泛应用于医药制剂的生产过程中。
随着全球医药行业的不断发展，甲醇的需求也在稳步增长。
四、供应情况：1. 全球供应：全球甲醇的生产主要集中在亚太地区和北美地区。
亚太地区的供应量占据全球市场的XX%，其中中国是全球最大的甲醇生产国家。
2. 中国供应：中国甲醇产能不断扩大，同时进口量也在增加。
截至2020年，中国甲醇产能达到XX万吨，较去年同期增长XX%。
中国甲醇市场供应充足，能够满足国内外市场的需求。
五、价格趋势：甲醇的价格受到多种因素的影响，包括原材料价格、供需关系、政策调控等。
近年来，甲醇价格呈现波动上涨的趋势。
据统计数据显示，2020年全球甲醇平均价格为XX美元/吨，较去年同期上涨了XX%。
预计未来几年，甲醇价格将继续保持稳定上涨的趋势。
六、市场前景：随着全球经济的发展和产业结构的升级，甲醇市场前景广阔。
未来几年，甲醇的需求将继续增长，特别是在化工、能源和医药行业的应用领域。
同时，随着环保政策的推进，甲醇作为清洁能源的替代品将有更大的市场空间。
- 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)。
实用文档甲醇价格近期预测和长期预测模型摘要：合理安排产品价格是公司企业取得良好收益的主要举措。
从区域经济发展和产品产业在关系的视角，对影响产品价格的因素进行分析选择，在此基础上，利用各因素的相互联系，对产品的市场价格进行预测，又是帮助公司企业合理安排产品价格变动的主要方法。
本文对甲醇而言进行价格预测，甲醇的价格波动受到进口量、进口均价、出口量、出口均价、月产量和开工率的影响，利用多个因素的数据进行也测，有利于甲醇制造商对价格做出合理安排，既能让消费者满意，又能给自己带来最大的收益。
本题的最主要的问题在于误差，误差能尽可能减小，但不会消失。
为了接减少预测误差，本文采用多种方法对甲醇的价格进行短期、长期的预测。
关键词：预测灰色预测权数神经网络一、问题重述1.1问题一已知近期和近几年的甲醇市场变化和具体数值，对近期（一个月）的甲醇行情变化做出预测。
1.2问题二在第一问的基础上，综合更多因素，对长期（一年）的甲醇行情变化做出预测。
1.3问题三有代表性、指导性、真实性、前瞻性的价格指数模型（类PPI）和行业景气指数模型（类PMI）[1]，是指导公司企业做出决策的重要指导方案。
1.4 问题四企业的发展离不开好的决策方法，根据以往数据和预测给出建议是很由必要性参考价值和的。
二、问题分析2.1 问题一该题是一道短期预测题，短期预测的方法都很多，但是简单的方法受到的限制多，适用围小，一次合理选择预测方法是一个难点。
在这个题目中，大量数据的处理同样是一个难点。
为了预测下一个月的平均单价，我们简化条件，处理数据采用灰色预测法，建立G（1，1）模型求解。
2.2 问题二该题同样是预测题目，除了问题一遇到的问题，另外，时间的变化，其他因素的影响也会造成价格的变动，考虑的要素增多，为了全面考虑，我们利用回归方程，建立线性方程组，多次求解，得到各因素的权重，进而解决问题。
2.3 问题三给出价格指数模型，景气指数模型，必要的问题是对两个概念的理解，涉及到经济方面的问题，难点在于经济预测和数学模型的联系，前两个问题的合理解决也有助于解决该题。
2.4问题四该题主要是寻求建议方案，可在前三个问题的基础上给予合理的回复，难点是对前三个问题的理解和综合考虑。
三、模型假设1. 在一年，甲醇的需求量没有急剧的变化；2. 在一年，甲醇的生产技术、生产量没有大幅度的提高；3. 在一年，金融等影响对甲醇销售市场的影响忽略不计；四、符号说明1. X(0)——原始时间序列；2. X(1)——后来生成序列；3. a——为发展灰数；4. μ——为生控制灰；5. i——权数；6. Pn——报告期价格；7. qn——报告期表观消费；8. P0——基期价格；9. q0——报告期表观消费；10. c——价格指数；11. L——环比指数[2]。
五、模型建立及求解5.1 问题一5.1.1 预测方法对于短期预测，我们要考虑的因素主要是近期所预测数据类型的变动。
比如，我们就华东地区的价格进行预测，主要是观察近期该价格的预测，然后通过预测的方法进行预测。
[3]5.1.2模型建立针对短期预测价格，无需考虑季节变化对进口量、进口均价、出口量、出口均价、月产量和开工率造成的影响，在这种假设下，短期预测也无需考虑前几年的波动，也就是说，我们如果对2015年1月份进行预测，只在2014年4月到12月的基础上进行预测。
在假设甲醇需求量没有急剧变化的前提下，采用灰色预测方法，建立G(1,1)[4]模型。
以甲醇单价为例：2014年月至月甲醇单价（单位：美元/吨）但这一组数据能不能适用于我们所要建立的G(1,1)模型，这是需要检验的。
原始时间序列：X(0)=｛X1(0),X2(0),X3(0),… X n(0)｝；后来生成序列：X(1)=｛X1(1),X2(1),X3(1),… X n(1)｝。
X(1)（k）= k=2,…,n对X(0)进行准光滑检验和对进行准指数规律检验：设 k=2,3… nβ=若满足当k>3,1<β<1.5，P(k) [0，0.5]，P(k)呈递减趋势，则称X(0)(k）为准光滑序列，具有准指数规律。
否则，进行一阶弱化处理：X’(0)(k)=（X(0)（k）+X(0)（k+1）+…X(0)（n））当k>3时，P (k)<0.5,1<β<1.5，则满足光滑性检。
则相对应的微分方程：dtx 1d +ax 1=μa 和μ可以根据最小二乘法得出： â=（a,μ）T =(B T ,B)-1B T Y N B=Y N =｛X 2(0),X 3(0),…X n (0)｝T由微分方程求得： X ’(1)(k+1)=[X 1(0)-a μ]e -ak +aμ k=0,1,2,…,n此模型用了累加，得到的一次模型的累加量。
必须将模型所得数据X ’(1)(k)经过逆生成，累减还原为X ’(0)(k)才能使用。
公式为：x (0)(k)=x (1)(k)-x (1)(k-1) k=2，3 … n 对2014 4-12月份的出口价格进行相应的计算模型检验（后验差检验）：⎺x=n1∑=n4k X (0)（k ）=2606S 12=n1∑=n4k (X(0)（k ）-⎺x ）2=26051q (k)=x (0)(k)-X ’(0)(k) （q (k)称为残差，为实际值与预测值的差)⎺q=n1∑=n4k q (k)=-0.11￣S 22=n1∑=n4k (q (k)-⎺q ）2=11709后验差比值：c=1222s s =0.45后验差比值c 越小越好，c 越小估计值与实际值越接近。
可知，P(k ）<=0.5，满足满足光滑性检验[5]。
建立G(1,1)模型，预测下一月份的出口均价。
通过Matlab 软件预测下一月份的价格。
5.1.3模型求解Matlab 的形成如下：clear syms a u; c=[a u]';A=[2796 2671 2603 2730 2594 2758 2570 2507 2226]; Ago=cumsum(A);n=length(A); for i=1:(n-1)C(i)=(Ago(i)+Ago(i+1))/2;endYn=A;Yn(1)=[];Yn=Yn';E=[-C;ones(1,n-1)];c=inv(E*E')*E*Yn;c=c';a=c(1);u=c(2);F=[];F(1)=A(1);for i=2:(1+n)F(i)=(A(1)-u/a)/exp(a*(i-1))+u/a; endG=[];G(1)=A(1);for i=2:(1+n)G(i)=F(i)-F(i-1);endt1=1:9;t2=1:10;Gplot(t1,A,'o',t2,G)运行结果，如图：可得，下一个月的单价是：2385。
5.2 问题二5.2.1 预测方法对于，长期预测，我们有以下方法[7]：5.2.2模型建立对长期预测，我们需要考虑多个因素，对于国市场价格，是否受会到出口量、出口均价、进口量、进口均价、月产量、开工率的影响都在我们考虑围以。
为了验证，他们的影响关系，我们建立回归方程，用最小二乘法得到他们的相关性。
以单价和进口均价为例，他们的关系如图：其中，横坐标为进口均价，纵坐标为单价。
有公式：a =⎺y-⎺x可得：y =0.11986077x+2808.733R2=0.74597561由此可知，单价和进口均价有较大的关系。
以此类推，可得：单价与进口量关系：y =0.0151599x+2855.254 R2=0.341038单价与出口均价关系：y =0.10992385x+2793.8 R2=0.126946单价与出口量关系：y =0.0294594x+2854.6 R2=0.1776379单价与月产量关系：y =-0.040391x+2963.949 R2=0.195146 单价与开工率关系：y =4.9035Ex+2854.61 R2=0.3036698 由此，我们利用现行方程组建立以下回归方程：y =ω1x1+ω2x2+ω3x3+ω4x4+ω5x5+ω6x6利用以下数据求出权数ω1、ω2、ω3、ω4、ω5、ω6。
年份月份进口量x1进口均价x2出口量x3出口均价x4开工率x5月产量x6单价y2011 年1 39.26 356.82 0.0386 1148.24 48.95% 130.3 2880.482 27.58 347.78 0.0244 808.26 49.34% 143.9 2878.253 53.32 347.24 0.0386 723.254 49.43% 181.7 2726.304 49.83 346.77 0.048 666.48 46.70% 176.8 2778.815 56.83 348 0.0389 671.45 50.59% 169.4 2811.826 59.54 355.52 0.3497 401.29 53.95% 171.7 2696.827 50.19 354.34 1.79 365.83 50.39% 155.73 2840.958 44.622 373.12 1.4075 386.69 50.29% 163.18 2953.269 37.97 389.82 0.5145 401.42 59.87% 178.25 3150.2310 53.7 406.752 0.057 880.7 57.88% 173.7 3126.6711 51.5 405.51 0.054 796.46 64.17% 172 2914.5512 48.87 382.71 0.033 896.778 64.01% 168.1 2805.872012年1 40.13 368.0555 0.83 406.83 61.48% 174.1 2899.002 39.14 379.24 1.54 384.3 57.55% 212.5 2889.523 49.15 383.15 0.0557 484.69 63.42% 226.2 2886.964 50 387.83 0.019 781.85 62.18% 215.25 3001.325 42.1 399.06 0.0254 685.45 58.05% 211.5 2997.386 26.74 400.96 1.05 408.08 61.02% 223.5 2785.257 25.92 381.42 0.0148 835.46 53.76% 197.1 2792.958 42.46 374.03 0.0184 790.75 57.08% 221.74 3073.109 36.88 365.86 0.011 1124.72 53.85% 240.9 2818.3310 47.3 366.98 0.014 916.44 54.95% 216.8 2806.1111 46.84 369.91 0.52 381.13 60.34% 235.6 2749.0912 53.58 363.3 2.64 371.47 60.30% 210.3 2724.762013年1 66.1 362.72 0.0226 1028.84 57.05% 222.5 2750.482 34.88 360.51 0.013 747.56 57.85% 230 2820.333 53.22 374.66 1.61 365.73 56.87% 234.91 2737.384 54.3 373.97 5.65 378.32 56.14% 232.93 2677.485 45.54 370.34 2.18 384.07 57.13% 218.4 2642.956 27.53 364.88 17.59 367.34 57.66% 225 2566.847 47.52 360.98 9.97 365.99 53.30% 226.1 2625.878 25.97 369.93 9.26 371.8 55.94% 232.3 2915.009 31.06 385.16 2.27 370.17 61.22% 246.2 3202.2510 29.51 413.28 6.11 390.53 60.99% 267.8 3301.0511 38.28 446.81 10.81 417.27 59.18% 252 3426.4312 31.93 495 11.8 501.03 59.81% 263.76 3695.712014年1 21.66 520.46 12.02 529.92 58.99% 274.213297.502 14 521.41 8.18 503.86 61.59% 281.51 3332.813 15.88 470.45 13.83 524.71 58.96% 274.99 2825.244 35.79 378.79 7.06 459.46 59.23% 292 2795.915 38.51 360.17 5.19 441.18 60.14% 302.7 2671.196 40.87 350.59 2.9 409.42 58.58% 308.23 2603.337 63.3 341.6 4.01 381.19 59.06% 316.72 2611.098 46.4 345.1 3.71 372.1 58.07% 357.97 2593.939 38.81 358.08 5.44 379.2 53.71% 345.3 2638.0410 36.13 365.6 5.17 379 51.49% 299.9 2570.0011 43.33 362.36 3.77 389.61 55.07% 302.2 2506.5012 38.57 339.15 3.625 376.05 55.60% 320.6 2226.095.2.3 模型求解我们用Matlab 实现如下（以2011年1月到6月为例）：所得结果：可得以下数据：对所得权数进行处理，显然，ω3、ω4、ω5为负值，舍去较大负的数和正数，然后求平均值，得到，对ω1、ω2、ω6舍去负值，求平均数，进而解得：可得，y =1.955x 1+2.885x 2-1.283x 3-0.066x 4-1.448x 5+0.906x 6然后，利用灰色预测G （1，1）模型对每个月的进口量、进口均价、出口量、出口均价、月产量和开工率进行预测，求取下一年每个月的单价。