0815基于ARIMA模型的波罗的海干散货运价指数预测和实证研究.docVIP

基于ARIMA模型的波罗的海干散货运价指数预测和实证研究 摘要：以波罗的海干散货运价指数(BDI)为研究对象,以其周指数为单位,分析历史的BDI指数数据。借助于ADF检验,建立ARIMA模型。实证分析结果表明,该模型可用于BDI的短期预测。站在投资者的角度来讲的话，一个预测值虽然有可能不是很准确的，主要这个是理性的市场应该会做出的反映，预测这个指标有相当重要的意义。 关键词:波罗的海干散货运价指数;ADF检验;ARIMA模型；实证；预测； 引言 国际干散货航运市场是国际三大航运市场之一，是世界航运的重要组成部分。作为反映国际干散货运价整体水平、量化市场状态的波罗的海运价指数（BDI）多年来一直为航运界高度关注，被称作为国际干散货航运市场发展和变化的晴雨表。 作为很多期货市场的战略投资者来说，对于该指数的关注程度不言而喻。在今年很多大宗商品价格仍处于高位的时候，BDI却已经暴跌，说明了全球市场对于原材料需求的减弱，经济增长也将回落。当然中国去年以来实行的宏观调控政策是导致中国需求减缓，BDI数值下跌的重要原因。而全球性经济增长放缓也是该指数暴跌的另一个因素。所以，商品市场大宗原材料市场价格全面回落的情况预计将在不久后出现。, [1]应用因子分析法,建立了国际干散货航运市场评价指标体系,对国际干散货航运市场进行了综合评价;[2]首次将目光投向航运期货市场,分析了参与BIFFEX市场存在的风险;[3]采用Johansen协整技术对波罗的海运价指数期货市场的期货价格和现货价格进行了协整研究;[4]采用条件异方差模型对此进行拟合和预测期货价格；[5]建立了期租市场的风险模型,并根据现货市场的随机运费计算期租的动态风险;[6]建立了远期运费的数学模型,分析FFA与亚洲期权的关系;[7]研究了近几年疯狂的干散货航运市场背后,二手船与新造船的价格问题;[8]首次对干散货航运市场的预测模型进行研究,对干散货航运市场需求、供给、运价采用了不同的预测模型。 近年来,海运市场发生了巨大的变化。因此,本文用计量经济学的方法来对当前的海运市场进行分析,试图找出一个更为合理的模型来预测当前的海运运价。 数据选取和模型的建立 1、原始数据的选取 本文选取2006年6月16日到2010年8月13日每周BDI指数，数据如图一所示 图一 BDI指数分布 从2006年到2010年，由于中国的经济快速发展也带动了全球经济的复苏，全球对于原材料的需求大大增加，导致了海运的快速繁荣。2007年10月29日，BDI指数创下目前为止的历史最高点11033点 　 t-Statistic ??Prob.* Augmented Dickey-Fuller test statistic 　 -2.625828501 0.269327862 Test critical values: 1% level -4.001722376 　 　 5% level -3.431062388 　 10% level -3.139172805 图三 ADF单位根检验 图三结果显示，无论在多少的显著水平下，ADF单位根检验结果落在接受域里，接受原假设，时间序列存在不稳定性。本文采取通过差分的方法的消除时间序列的不稳定性之后在进行ADF检验，结果如下： 　 　 t-Statistic Prob.* Augmented Dickey-Fuller test statistic 　 -5.691622 0 Test critical values: 1% level -4.001930991 　 　 5% level -3.431163184 　 　 10% level -3.139232183 　 图四 一介差分之后的ADF单位根检验 图四结果显示，在99%的显著水平下，结果落在拒绝域里，拒绝原假设，即一介差分之后的时间序列是平稳的时间序列。可以用来为ARMA模型建模。 3、参数选取 利用有关样本数据，用最小二乘法、尤尔—沃克方法等对已选出的模型进行估计，也就是要估计出p个自回归系数，q个移动平均参数。我们采取eviews中自相关函数与偏自相关函数来选取P与q的值，如图六示 图六 自相关与偏自相关图像 如图六所示，根据自相关函数与偏自相关函数图形我们知道尝试ARIMA（4，1，3），ARIMA（4，1，2），ARIMA（4，1，4），ARIMA（3，1，3）这个几个模型。主要是检验每个模型的残差序列是否为白噪声序列，主要依靠观察的方法来判断是否为白噪声序列。如果序列的自相关和偏相关函数随机性很强且数值很小，则可以认为是白噪声序列，模型检验通过，该模型可以用于预测。同时还可以使用模型的AIC、BIC指标作为选优的标