数学建模 煤炭价格走势分析

煤炭行情趋势分析报告根据最近的市场观察和数据分析显示，煤炭行业的行情呈现出一些明显的趋势。

本报告将对这些趋势进行分析和解读，以便读者能更好地了解煤炭市场的动态。

1. 供需关系：当前，全球煤炭市场的供需关系持续紧张。

尽管一些国家逐渐减少对煤炭的依赖并转向清洁能源，但其他发展中国家的需求仍然很高。

预计未来几年，煤炭的供需矛盾将继续存在，继而对价格产生一定的影响。

2. 国际贸易：煤炭是一种全球交易量较大的商品，在国际市场上的贸易活动频繁。

然而，增加的贸易保护主义政策、贸易争端和政策环境的变化等因素，都对煤炭贸易带来了一定的不确定性。

这些不确定性因素可能导致市场价格波动较大，需要相应的风险管理措施。

3. 环保政策：随着全球对环境保护意识的提高和对气候变化的关注，各国政府纷纷出台了严格的环保政策，以限制煤炭的使用和减少对大气污染的影响。

这些环保政策的实施对煤炭需求和价格产生了一定的影响。

煤炭企业应积极适应环保要求，转型升级，以满足市场需求并保持竞争力。

4. 可再生能源发展：随着可再生能源技术的不断进步和成本的降低，太阳能、风能、水力等可再生能源已成为煤炭的替代选择。

逐渐加大的可再生能源投资和政策支持使得可再生能源在部分地区已经具备了竞争力，因此煤炭的市场份额可能面临进一步的下降。

5. 科技进步：煤炭行业也在积极应用新技术改善生产效率和降低成本。

煤炭企业逐渐引入自动化生产设备、数字化管理系统等，以提高生产效率和减少人力成本。

这些技术进步有助于煤炭企业保持竞争力，并在高质量、高效益的前提下满足市场需求。

6. 互联网+煤炭：在数字化时代，互联网的发展也对煤炭行业带来了一些新的机遇和挑战。

通过互联网平台，煤炭企业可以实现更精确的市场定位和在线销售，提高交易效率。

同时，互联网也在帮助监测煤炭采购、运输和储存等环节，提升整个供应链的可视化和管理水平。

综合以上分析，煤炭行业在供需关系、国际贸易、环保政策、可再生能源、科技进步和互联网等方面都面临着较大的变化和挑战。

煤炭行业的市场价格波动解读市场价格波动的原因和趋势煤炭行业的市场价格波动解读：市场价格波动的原因和趋势煤炭作为一种重要的能源资源，在全球能源消费中占据着重要地位。

然而，煤炭市场价格的波动一直存在，并对行业的发展和利润产生着重要影响。

本文将对煤炭行业市场价格波动的原因和趋势进行解读，以帮助读者更好地理解和应对这一现象。

一、市场价格波动原因1.供需关系：供需关系是煤炭市场价格波动的主要原因之一。

供给方面，不同国家和地区的煤炭产量和质量各异，产能利用率、开采成本等因素也存在差异，这些因素导致了不同地区煤炭供给的不平衡。

需求方面，经济发展水平、工业结构等因素也会影响对煤炭的需求量。

供需关系的变化将直接影响到市场价格的波动。

2.宏观经济政策：宏观经济政策变化对煤炭市场价格波动也起着重要作用。

比如，一国货币政策的紧缩将导致企业融资成本上升，可能减少对煤炭等资源的需求，从而对市场价格产生影响。

此外，贸易保护主义政策、税收政策等也会直接或间接地对煤炭市场造成波动。

3.自然灾害和气候变化：自然灾害和气候变化是导致市场价格波动的重要因素。

比如，严重的洪灾、矿难、地震等自然灾害都有可能影响煤炭的产量和供给能力，进而导致市场价格的波动。

同时，气候变化也会影响煤炭需求，比如在一些国家，温室气体减排政策的实施可能导致对煤炭的需求下降，从而影响市场价格。

4.技术创新和替代能源发展：技术创新和替代能源的发展都会对煤炭市场价格产生影响。

随着清洁能源技术的不断创新和成熟，替代能源的发展速度加快，这对煤炭需求形成了一定程度的替代压力，这将导致市场价格下降。

另一方面，煤炭行业内部的技术创新也会提高产能利用率、减少生产成本，影响市场价格的波动。

二、市场价格波动趋势1.环保政策推动清洁能源发展：全球范围内对环保的关注日益增强，国际社会对减少温室气体排放的承诺不断加大。

因此，国家和地区将出台更多的环保政策，提高对清洁能源的支持力度，进一步推动清洁能源发展。

运用ARIMA模型对煤炭价格预测的实证研究
林清清;孙美晶;李艺璇
【期刊名称】《商情》
【年(卷),期】2022()48
【摘要】2021年煤炭价格异常波动,受自身规律和外界众多因素共同影响。

为探寻价格本身的规律对其变化的影响,以 Python和 SPSS为实验工具,建立 ARIMA 时间序列模型,通过 R方和平均误差判断模型拟合和预测效果。

对秦皇岛动力煤5500大卡 2021年周度综合交易价格进行实证分析,结果表明 R方为 0.835,平均误差为 2.77%。

因此,煤炭价格自身规律对其变化的解释度较高,影响较大;短期预测误差较小,精度较高。

实验结果对于各个需求方把握煤炭价格的变化具有一定的借鉴意义,但对于煤炭价格的精准预测,仍需要结合多方面因素综合考量。

【总页数】3页(P0053-0055)
【作者】林清清;孙美晶;李艺璇
【作者单位】中国矿业大学(北京)
【正文语种】中文
【中图分类】F
【相关文献】
1.中国煤炭价格的ARIMA模型的建立及其预测分析
2.基于ARIMA模型对突发状况下煤炭价格的预测
3.基于干预项修正ARIMA模型的煤炭价格预测研究
4.基于干
预项修正ARIMA模型的煤炭价格预测研究5.基于ARIMA和线性回归组合模型的煤炭价格预测
因版权原因，仅展示原文概要，查看原文内容请购买。

基于ARIMA和线性回归组合模型的煤炭价格预测作者：何文琪来源：《中国管理信息化》2021年第01期[摘要] 煤炭是国民经济发展的基础，对煤炭价格进行预测将有利于企业对将来的发展做出判断，同时有利于国家做出调控。

文章使用Eviews软件对2006-2020年每周的煤炭价格使用ARIMA（3，1，0）模型进行时间序列预测。

为综合考虑其他因素如原煤产量、原油进口量等对煤炭价格的影响，使用线性回归模型进行拟合，再使用预测误差平方和倒数法得到组合模型。

最终的预测结果误差为0.977%，预测效果较好，可为煤炭市场的经营和管理提供一定的理论依据。

[关键词] 煤炭价格;预测;ARIMA;线性回归doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2021. 01. 077[中图分类号] F713.54 [文献标识码] A [文章编号] 1673 - 0194（2021）01- 0187- 020 引言煤炭一直是我国重要的能源，其消费量占比相比于石油和天然气长期处于领先地位。

煤炭的市场价格不仅反映了煤炭市场的状况，也体现了我国的经济发展状况。

对煤炭价格进行精准预测能够帮助企业预估成本，做出决策，同时也为煤炭市场的平稳发展奠定了基础。

1 研究现状目前国内已有许多学者对煤炭价格的预测做出了研究。

向超[1]对煤炭价格进行了ARIMA 和SVR组合模型的预测，并比较各组合模型预测的精度，得到变权组合模型由于等权组合模型和单预测模型的结论。

孙福玉[2]对影响煤炭价格的因素使用层次分析法进行排序，并使用季节时间序列预测模型结合干预分析对煤炭价格进行综合预测。

宁晖[3]对从研究煤炭价格序列自身变化规律的角度，提出基于滚动时间窗的预测模型，将此模型应用于秦皇岛港5 500 kcal混煤价格的预测，分别得到1期、3期、6期、9期及12期的价格预测，达到预测结果的平均误差值不超过3%的良好效果。

金林等[4]综合考慮宏观经济、能源价格、气候环境和国际市场四方面因素，对市场中的煤炭交易价格建立指标体系，之后对广州煤炭交易市场价格使用BP神经网络进行预测。

2020年第十七届五一数学建模竞赛题目
A题煤炭价格预测问题
煤炭属于大宗商品，煤炭价格既受国家相关部门的监管，又受国内煤炭市场的影响。

除此之外，气候变化、出行方式、能源消耗方式、国际煤炭市场等其他因素也会影响煤炭价格。

请完成如下问题。

1.请建立数学模型，通过量化分析的方法，给出影响煤炭价格的主要因素（不超过10种），并且
以秦皇岛港动力煤价格为例，给出从2019年5月1日至2020年4月30日，影响秦皇岛港动力煤价格的主要因素的排序（按影响程度从大到小排序，不超过10种）。

2.请结合秦皇岛港动力煤价格的历史数据(附件1)，以及问题1中的影响煤炭价格的主要因素，
建立煤炭价格预测模型，分别以天、周、月为单位，预测未来31天、35周、36个月的煤炭价格，并完成表1。

3.为了更加准确地预测秦皇岛港动力煤价格，请综合考虑未来各种情况（例如突发事件）引起的
煤炭价格影响因素在结构性和重要性方面的变化，建立煤炭价格综合预测模型，并给出模型的预测结果。

4.为保障我国未来煤炭市场的平稳发展，请结合问题3的模型，向政府部门提供相关的政策建议。

注：
(1)附件1-秦皇岛港动力煤价格数据由“中国煤炭市场网”提供(https:///)，数据是以“周”为单位的数据，相关的煤炭价格是日期所在周的价格。

(2)本题中相关参数说明如下：
秦皇岛港动力煤：硫份0.8%，发热量5500kacl/kg；
煤炭价格类型：煤炭平仓价(FOB价格，是指煤运到港口并装到船上的价格)；
煤炭价格单位：元/吨。

煤炭价格走势分析摘要本文针对煤炭价格走势分析问题，用了spss软件的拟合与预测分析，多元线性函数拟合求解最优值，替换法求解最优值，综合分析的方法，最终确立了煤炭价格的走势以及煤炭产业的未来发展趋势。

针对问题一，根据所收集到的数据，用spss软件图形中的散点分别绘制出动力煤价格，焦化煤价格，化工煤价格随时间的变化曲线，分别分析过去各类煤炭的价格以及现在各类煤炭价格的变化曲线。

然后，继续用spss软件分析中的预测，创建模型，得到各类煤炭价格随时间的拟合预测曲线，在所得的拟合预测曲线中，我们设置了2008年第二个季度以及2009年第三个季度，两个缺失值，我们根据拟合出的曲线，对比实际值，分析判断拟合预测曲线的准确性，进而判断预测未来价格趋势的准确性。

针对问题二，采用了两个方案，方案一采用多元线性函数拟合求解最优值，分析需求量，产量与价格之间的关系，并根据问题一中的各类煤炭价格，采用加权确定全国煤炭价格，用MATLAB软件绘制出煤炭价格，产量以及需求量之间的三维曲线关系图像，由三维曲线可得，煤炭产量与需求量均对价格有影响，并通过MATLAB编程绘制全国煤炭产量、需求量对价格的线性拟合函数，最后根据全国煤炭价格的拟合值与实际统计值越接近，则所确立的价格越合理来确定目标函数。

方案二采用替代法求解最优值，经济增长决定煤炭需求，而发电量的数据又是与经济增长密切相关的，煤炭供给的增长量主要取决于新增煤炭产能的增加，这一切均可以通过煤炭行业固定资产投资额反应出来，所以，方案二，采用发电量替代煤炭需求量，固定资产替代煤炭产量，分别建立了两者与价格之间的拟合曲线，采用综合分析的方法，确定了煤炭的最优价格以及最优产量。

并对两个方案做了对比分析。

针对问题三，以煤炭消费量与煤炭实际价格的模型为基础，运用Masih法确定煤炭需求量与经济增长的函数关系。

首先根据煤炭消费量与煤炭实际价格的模型确定煤炭需求量的函数关系式，然后通过残差统计量检验，检测各变量时间序列的平稳性，之后运用spss软件对已知数据进行线性回归分析，最后将已知数据进行对数化处理，将处理后的数据重新又spss软件对煤炭需求量进行线性回归运算，得到煤炭需求量与经济增长的函数关系。

一、问题背景以秦皇岛为例，对煤炭的影响因素分析，了解煤炭价格的变化，并提出合理的政策建议。

二、问题分析2.1问题一的分析问题一要求通过量化分析的方法，给出不超过10种的影响煤炭价格的主要因素，同时以秦皇岛港动力煤价格为例，给出从2019年5月1日至2020年4月30日，影响秦皇岛港动力煤价格的主要因素的排序。

2.2问题二的分析问题二要求结合秦皇岛港动力煤价格的历史数据和影响煤炭价格的主要因素，预测未来31天、35周、36个月的煤炭价格。

2.3问题三的分析问题三要求综合考虑未来各种情况引起的煤炭价格影响因素在结构性和重要性方面的变化并给出预测结果。

2.4问题四的分析问题四要求在保障我国未来煤炭市场的平稳发展的前提下，结合问题三的模型，向政府部门提供相关的政策建议。

三、模型假设1.假设国家对煤炭价格的干预呈现周期性；四、模型建立与求解4.1指标的选取本文选取供给因素、需求因素、政策因素、综合因素作为影响煤炭价格的一级指标。

如图示二级指标的选取图1 指标4.1.1排序将指标进行从排序结果如下表所示：表1 指标优化度排序指标 排名 指标优化度煤炭库存量 1 需求量6 政策 2 气候变化7 煤炭成本 3 原煤产量8 国际煤炭价格 4 下游煤炭需求9 排放约束 5铁路运力104.2价格预测1利用灰色预测可以得到响应方程为：(1)(0)0.0012(1)[(1)415608.33]e 415608.33k x k x ∧+=+-得到结果 4.2.1价格预测2多元方程为：0181,(,1,1)8,(,1,1)t t t t t t t y a a x a x ∧∧∧∧-+-+=+++表2预测结果 周 预测价格 周 预测价格 周预测价格 5月6日 659.09 7月29日 663.13 10月21日 667.17 5月13日 659.42 8月5日 663.46 10月28日 667.51 5月20日 659.768月12日 663.8011月4日 667.846月3日660.438月26日664.4811月18日668.526月10日660.779月2日664.8111月25日668.866月17日661.119月9日665.1512月2日669.196月24日661.449月16日665.4912月9日669.537月1日661.789月23日665.8212月16日669.877月8日662.129月30日666.1612月23日670.207月15日662.4510月7日666.5012月30日670.547月22日662.7910月14日666.834.3预测336月结果如表所示表3 未预测结果3月预测价格月预测价格月预测价格2020年5月640.002021年5月642.642022年5月645.55 2020年6月640.212021年6月642.872022年6月645.80 2020年7月640.422021年7月643.102022年7月646.06 2020年8月640.642021年8月643.342022年8月646.32 2020年9月640.852021年9月643.582022年9月646.58 2020年10月641.072021年10月643.822022年10月646.84 2020年11月641.292021年11月644.062022年11月647.10 2020年12月641.512021年12月644.302022年12月647.37 2021年1月641.732022年1月644.552023年1月647.64 2021年2月641.952022年2月644.792023年2月647.91 2021年3月642.182022年3月645.042023年3月648.18 2021年4月642.412022年4月645.292023年4月648.454.4价格预测4不妨考虑易量化的指标，如：煤炭库存量能源消耗、排放约束因素对其进行分析。

煤炭行业的市场价格与价格波动分析煤炭作为全球最主要的能源资源之一，在许多国家的经济发展中扮演着重要角色。

因此，煤炭行业的市场价格和价格波动对于能源市场以及国家经济都具有重要影响。

本文将对煤炭行业的市场价格与价格波动进行详细分析。

一、煤炭行业的市场价格分析煤炭市场价格是由供求关系、生产成本、国际市场以及政策等多个因素综合决定的。

首先，供求关系是决定煤炭市场价格的主要因素之一。

随着全球经济的增长和工业化进程的加快，煤炭需求不断增加，供给相对有限，造成市场供需失衡，从而推动煤炭价格上涨。

其次，生产成本也是影响煤炭市场价格的重要因素。

煤炭的开采、运输、加工等环节都需要耗费一定的成本，不同地区的生产成本差异导致了煤炭价格的差异。

另外，国际市场的影响也不可忽视。

国际煤炭价格的波动会对国内市场价格产生较大影响，特别是出口煤炭的价格。

最后，政策因素也对煤炭市场价格产生一定影响。

各国的能源政策、环保政策以及经济政策都有可能影响煤炭市场价格。

二、煤炭行业的价格波动分析煤炭行业的价格波动主要受到市场供需关系、季节性变化、政策调控以及自然灾害等因素的影响。

首先，市场供求关系是煤炭价格波动的主要因素。

供需失衡将导致价格的上涨或下跌。

例如，当煤炭需求超过供应时，价格上涨；相反，当供应超过需求时，价格下跌。

另外，煤炭价格还会受到季节性变化的影响。

煤炭需求在冬季会呈现明显上升趋势，导致价格相应上涨；而夏季需求下降，则导致价格下跌。

政策调控也是决定煤炭价格波动的重要因素之一。

各国对煤炭行业的政策变化、减产政策等都会对价格产生影响。

此外，自然灾害如洪灾、地震等也会对煤炭生产和运输造成一定的影响，从而引起价格波动。

三、煤炭行业价格波动的影响煤炭行业价格波动不仅影响到煤炭企业的经营状况和利润水平，还可能对国家经济产生广泛的影响。

首先，价格上涨会增加煤炭企业的利润，推动行业发展，同时也可以提高煤炭产业链上下游的收益。

其次，价格波动会影响到煤炭企业的投资决策和生产计划，进而影响到煤炭市场供需平衡。

基于套索（ Lasso）模型的动力煤价格预测研究摘要：随着我国煤炭价格市场化改革的不断深入，煤炭市场的价格走势一直成为各方关注的重点问题。

本文考虑了煤炭价格的多种影响因素，采用套索（Lasso）模型作为煤炭价格模型的线性建模方法对煤炭价格进行预测，借助秦皇岛港5000千卡/千克动力煤平仓价数据进行模型检验，结果证明此模型预测结果精度较好，能在一定程度上预测出煤炭价格的变化趋势。

关键词：套索（Lasso）模型动力煤价格预测引言我国是一个以煤炭为主体的能源消费大国，长期以来，煤炭一直是我国的主体能源。

煤炭下游的4大行业为电力行业、钢铁行业、建材行业、化工行业，是在国民经济中占比很大的基础行业，煤炭价格变化会影响到多个相关行业产品价格。

我国煤炭的价格走势一直处于大幅度波动状态，特别是近几年煤炭价格的持续上涨已经引起社会的广泛关注。

煤炭作为主要基础能源，生产、供应端的不足，消费增加，将引发市场波动信号，影响价格调整变化。

客观分析和判定煤炭价格的影响因素，了解并能够预测未来煤炭价格，对于掌握决策的主动权，作出合理的决策，是非常必要的。

常用的煤炭价格预测模型有时间序列预测模型、神经网络预测模型、线性回归模型。

时间序列预测模型是将预测变量看为一个时间序列，考虑自身时序特征。

郭建利[1]等人为提高煤炭价格预测模型的预测精度，采用组合预测的方法将ARIMA模型与SVM模型相结合，实验结果表明，组合模型比单模型有更高的预测精度。

孙福玉[2]将数据作为时间序列进行数据分析，考虑影响煤炭价格的主要因素,采用季节时间序列预测模型（SARIMA）对煤炭价格进行预测，实验结果表明模型很好地把握了数据的规律。

时间序列预测模型只考虑了变量自身的变化规律，并未考虑除自身外的影响因素，有较大的局限性。

神经网络预测模型可以很好的学习数据中的非线性关系。

刘硕[3]等人分析影响煤炭市场价格的特征指标，将遗传算法与BP神经网络模型相结合，对秦皇岛港煤炭市场价格进行预测，实证结果表明，相比BP神经网络模型有更高的预测精度。

煤炭价格走势分析摘要本文首先，通过搜集煤炭价格、产量和需求量的数据，运用数据分析中的回归分析方法，建立了非线性回归模型，得到了煤炭价格的变动趋势，实现了对煤炭价格的预测；其次，用spss 软件分析煤炭价格、产量、需求量数据之间关系，通过区域煤炭商品价格模型求得最优产量；然后，利用曲线估计分析已有数据，得到未来煤炭行业的发展趋势；最后根据前三问的结果及每年价格趋势，其它文献资料，为我国煤炭行业未来健康发展提出可行性建议。

针对问题一:本文通过对搜集到的2013年7月至2014年7月一年的数据进行分析，采用单变量非线性回归模型，利用spss 软件和Matlab 软件求解，本文通过对搜集到的2013年7月至2014年7月一年的数据进行分析，采用单变量非线性回归模型，利用Mtlab 拟合工具箱拟合出了煤炭价格随时间的变化规律，并利用spss 求得，均值、方差、残差等一些列数据，并据此对于三种煤炭的未来价格走势进行预测。

针对问题二：本文通过spss 软件分析了搜集到的两组关于煤炭价格、产量、需求量数据，可知第一组数据煤炭产量和需求量成线性关系，煤炭产量和需求量和价格关系不明显，第二组数据供应量和需求量关系不明显，供应量和煤炭价格成线性相关，需求量和煤炭价格关系不明显，但数据基本稳定；通过区域煤炭商品价格模型求解最优产量32.36887)(=*k S ，还求得了价格的最优解=*)(k P 1178.78，最优解是在利润最大（供需平衡）时取得，通过煤炭价格最优时即为此时的煤炭价格预测值，通过各年价格走势图可得其所搜集数据时期的实际价格走势，对此模型进行检验，可得与预测价格走势和实际走势一致，可得模型合理性较好。

针对问题三：通过研究国内经济总值对煤炭需求量的影响，建立煤炭需求量与经济发展之间的数量关系，采用研究两组变量之间非线性关系的方法—曲线估计，可得未来煤炭需求量与国内经济总值有3次方关系，煤炭需求量随国内经济总值增长而增长，即未来煤炭需求量依然会上涨，短期内煤炭在我们国家的一次能源使用中依然占很大比重，短期内煤炭行业依然有上升空间。

基于环渤海煤炭价格分析预测模型的设计与实现作者：许华来源：《环球市场》2019年第11期摘要：燃料成本占煤电企业经营成本的70%左右，准确预测煤炭市场价格走势对煤电企业稳定经营意义重大，本文以国家电投集团环渤海现货价格预测为例，详细介绍了煤炭市场价格预测模型的设计与实现方法。

关键词：煤炭价格;数据筛选;预测模型一、价格预测模型设计与实现（一）数据收集与筛选煤炭数据涵盖供应，需求，生产，开工等多个方面。

目前，市场主流煤炭市场咨询公司拥有2010至2018年约4000多组150万条数据，数据资源充足。

数据筛选过程如下。

1.相关性分析预测模型建立首先要将基础数据组与所研究的变量做相关性分析，计算其Pearson相关系数，并选取在0.05的显著性水平下表现为显著相关的数据组进入基础数据组。

通过计算得出2015年的环渤海5500大卡煤的月度均价以及秦皇岛港库存的月度均值之间的Pearson相关系数为0.708，且在0.01的置信水平下显著相关。

2.有效性分析原始数据的错误或者异常会对模型结果形成影响。

可结合行业经验和模型辅助检验对数据的有效性进行判断。

当模型结果出现异常时，应考虑由于数据不完善、不切实而造成模型结果不准确及误差的可能性。

将数学方法同行业经验相结合来进行判断相关数据的有效性，大大提高了数据的可靠程度，从而大量减少了后期因为基础数据选取不充分带来的模型效果不佳。

选取2015年-2016年生产企业动力煤库存以及全社会动力煤库存两组相关数据对其进行有效性判别。

2015-2016年间，生产企业的动力煤库存及全社会动力煤库存与环渤海5500的价格之间都有着相关关系且其相关系数都大于0.5，但在后续的建模过程中，全社会动力煤库存因数据表现较差，数据组贡献率小，在实际的数据采集中较难客观真实的汇总等原因被逐步剔除。

3.历史性分析以环渤海动力煤5500大卡煤的价格为建模预测项，通过对过去价格及相关基础数据的研究，基础数据组选取的历史跨度为2012年起2018年，并采取周度数据组进行建模，时间跨度长，频率高，这一段时期的动力煤价格走势具有较强的周期性波动，因此选取此数据组进行建模。

2023年10月第26卷第20期中国管理信息化China Management InformationizationOct.,2023Vol.26,No.20基于ARMA-GARCH模型的内蒙古煤炭价格波动性研究苏 烨（鄂尔多斯应用技术学院，内蒙古鄂尔多斯017010）［摘 要］文章运用ARMA-GARCH模型，以内蒙古煤炭价格指数的对数收益率为研究对象，对内蒙古煤炭价格波动性进行实证研究。

研究结果显示，内蒙古煤炭价格指数的对数收益率序列均具有明显的波动集聚性，波动率序列具有显著的ARCH效应；煤炭市场往期的波动对现在波动的影响明显大于外部冲击；通过ARMA-GARCH模型中ARCH系数与GARCH系数之和与“1”的大小比较可知，波动具有不同强度的持续性和增强的趋势。

［关键词］煤炭价格指数；ARMA-GARCH模型；波动性；内蒙古doi：10.3969/j.issn.1673 - 0194.2023.20.052［中图分类号］F426；F764.1 ［文献标识码］A ［文章编号］1673-0194（2023）20-0161-070 引 言煤炭是我国重要的战略资源，在我国能源结构中居于主体地位，煤炭价格的波动在经济发展中有较大的影响，历来受到学者的关注。

比如，郭白滢、雷强［1］采用消除趋势波动分析法（Detrended Fluctuation Analysis,DFA）和多重消除趋势波动分析法（MF-DFA）分析了我国煤炭价格在其形成机制发生根本改变前后的波动特征。

宋建新［2］应用GARCH 类模型对煤炭价格的波动特征进行了研究，并通过构建VaR-GARCH族模型对煤炭市场的风险价值进行了测算。

隋广琳、张冠华［3］采用X12季节调整法和HP滤波法①对我国煤炭价格波动特性进行了分析。

张进良、王泽［4］基于煤炭市场供需关系会对煤炭价格产生主要影响的假设，构建了关于煤炭价格的状态空间方程，对煤炭价格均衡进行了实证分析。

煤炭价格走势分析摘要:本文通过分析对煤炭价格的变化趋势与对煤炭价格影响的主要因素,通过运用分析中的回归分析,简历单变量非线性回归模型与多元线性回归预测模型,以达到对煤炭价格的预测。

首先通过对我国山西大同Q550煤炭2012年9月-2014年5月的价格走势分析,建立以煤炭价格为因变量,以时间为自变量的单变量非线性回归模型,并且利用软件拟合出煤炭价格随时间变化的规律,本模型在一定程度上能预测未煤炭价格的预期就是,但运用此模型对未来进行长久预测具有较大的误差,与实际相差较大。

由于国家政策的变化,我们对模型偏差的原因进行了分析,发现供求关系就是影响煤炭价格的主要因素。

选取1995-2013年间煤炭的生产量、需求量作为自变量,仍以煤炭价格作为因变量,建立了多元线性回归模型,并且对此模型的四个变量做了时间序列分析,得到了2014年各个自变量的预测值,继而运用此模型比较精确的预测出了2014年的灭摊价格。

由于对我国煤炭需求总量的预测会受到许多因素的影响 ,以前的预测与实际相差较大。

经过认真比较与研究 ,我们采用基于灰色系统理论的 GM ( 1 ,1 ) 模型 ,对我国煤炭需求总量进行数列预测。

关键词:曲线估计、单变量非线性回归分析,多元回归分析、价格预测、时间序列分析、灰色模型一、问题的提出中国仍就是世界上以煤为主要能源的国家之一,煤炭在中国经济发展中占据着重要的位置,它不仅就是工业的主要能源,也就是民用的主要能源与化工原料,并且就是我国出口的商品。

煤炭仍就是中国的主要能源,未来较长的一段时间内,煤炭仍然就是中国能源的支柱,它仍在国民经济中具有重要的战略地位。

近几年来,我国煤炭的价格一直处于较大的波动范围,特别就是近几年的煤炭大幅下降引起了社会的广泛关注。

煤炭作为基础能源,需求关系的变化,必然会导致价格的变化。

煤炭作为国家主要能源,客观分析个判定煤炭价格的影响因素,了解预测未来煤炭的价格,对于掌握决策的主动权,就是非常重要的。

基于Matlab的BP神经网络环渤海动力煤价格指数预测模型刘斌
【期刊名称】《神华科技》
【年(卷),期】2015(013)006
【摘要】环渤海动力煤价格指数(以下简称环指)是反映国内煤炭市场现状的风向标,对环指的分析是煤炭市场研究工作的重要组成部分.影响煤炭价格的因素较多且复杂,各因素又相对独立,而BP神经网络模型,比较适合关联度低的非线性预测模型.因此,本文选取BP神经网络模型对其中一些影响因素进行数值拟合来预测环指,从而预测煤炭价格走势.模型通过Matlab训练后,预测结果用环指历史数值检验,误差较小.预测结果能为企业调整煤炭营销策略,提供一定依据.
【总页数】4页(P3-6)
【作者】刘斌
【作者单位】神华集团有限责任公司销售管理部,北京,100011
【正文语种】中文
【中图分类】TD-9
【相关文献】
1.基于MATLAB的BP神经网络组合预测模型在公路货运量预测中的应用 [J], 杨云超;吴非;袁振洲
2.基于改进BP神经网络的煤催化气化预测模型研究 [J], 崔阳;徐龙;刘艳;马晓迅;杨建丽
3.基于MATLAB工具箱的BP神经网络年径流量预测模型研究——以塔城地区乌
拉斯台河为例 [J], 雷晓云;张丽霞;梁新平
4.基于改进MATLAB-BP神经网络算法的隧道岩爆预测模型 [J], 孙臣生
5.基于Matlab的BP神经网络煤炭需求预测模型 [J], 胡雪棉;赵国浩
因版权原因，仅展示原文概要，查看原文内容请购买。