基于ARIMA模型的我国对外贸易总额动态分析Word格式文档下载.docx
《基于ARIMA模型的我国对外贸易总额动态分析Word格式文档下载.docx》由会员分享,可在线阅读,更多相关《基于ARIMA模型的我国对外贸易总额动态分析Word格式文档下载.docx(28页珍藏版)》请在冰豆网上搜索。
并于2013年跃居世界货物贸易首位,成为名符其实的贸易大国。
对外贸易的发展不仅推动中国经济增长,而且有助于中国经济增长的转型,有利于在新形势下促进我国对外贸易与经济增长良性互动。
中国改革开放以来,自身的发展实践证明,大力发展对外贸易,是促进中国经济增长、加速现代化的重要途径。
(三)中国外贸发展环境
2014年,世界经济复苏势头趋于改善,增长动力有所增强,但风险因素依然突出,国际竞争更加激烈。
中国经济开局平稳,但仍然面临下行压力,部分领域风险有所上升。
总的看,中国外贸具备实现稳定增长的条件,但困难和挑战较多,形势严峻复杂的一面不容低估。
从国际看,世界经济总体趋于改善,但风险因素依然突出。
随着全球经济贸易复苏步伐加快,国际市场对中国出口商品的需求总体呈回升之势。
国际货币基金组织预计,2014年全球经济增长3.6%,比2013年提高0.6个百分点。
世贸组织预计,2014年全球贸易量增长4.7%,比2013年提高2.6个百分点。
发达国家经济形势进一步好转,自主增长动力增强,财政紧缩压力减小,对世界经济复苏形成更有力支撑。
但与此同时,美联储货币政策调整,新兴经济体困难加重,部分国家和地区政治局势紧张,外部需求具有诸多不确定性。
新兴经济体经济增长乏力,进口需求疲弱;
发达国家积极推进“再工业化”,在保持高端制造业优势的同时,也在一定程度上恢复了传统制造业的竞争力,其经济复苏与进口需求明显不同步,进口额下降。
从国内看,中国经济开局平稳,但仍存下行压力。
2014年第一季度,国内生产总值增长7.4%,仍然处于一个高速发展速度。
中国经济结构调整和转型升级取得新的进展,经济发展质量和效益稳步提升,内生动力不断增强。
当前中国正处于经济增速换挡期、结构调整阵痛期和前期刺激政策消化期“三期”叠加阶段,工业产能严重过剩等矛盾没有根本缓解,部分区域房地产市场又出现了新的波动,经济增长仍面临下行压力。
加之中国劳动力、土地等要素成本持续上涨,传统劳动密集型产业竞争力不断削弱,外贸企业用工成本连续多年上涨,中国出口竞争力明显下降。
在全球经济低速增长、失业率总体偏高的情况下,一些国家为了维护本国产业的市场份额,仍然实行各种形式的贸易保护主义,纷纷设立贸易壁垒,中国成为是全球贸易保护主义最大的受害国。
在国际竞争日趋激烈的环境下,贸易摩擦成为影响中国出口稳定增长的重要因素。
三、实证分析
(一)数据预处理
本文选取2002年1月至2014年5月我国对外贸易总额月度数据,数据来自国家统计局网站。
中国2011年12月21日加入世界贸易组织,本文研究中国加入世界贸易组织十多年来对外贸易发展情况,并预测2014年6、7、8月份的对外贸易总额。
图3-1对外贸易总额时序图
从时序图可以看出序列具有明显的增长趋势,且包含周期为12个月的季节波动。
为减小数据波动,对原始数据序列Y做自然对数计算,对数变换后的序列为LY,并做时序图。
图3-2对外贸易总额取对数后时序图
LY时序图可以看出取自然对数后的序列存在上升的趋势,并含有季节性波动。
从时序图可初步判断LY为非平稳序列。
非平稳序列可以通过差分方法实现平稳,对序列LY进行1阶-12步差分,差分后序列为DLY。
图3-3对外贸易总额预处理后时序图
从上图可见,经过处理的序列时序图无显著趋势或周期,随机波动比较平稳。
(二)序列平稳性和随机性检验
1.序列平稳性检验
对经过预处理的数据进行单位根检验,结果显示,序列的ADF统计量为-18.37499,分别小于1%、5%、10%检验水平的临界值,所以经过1阶-12步差分后,对外贸易总额对数序列趋势和季节变动基本消除,成为平稳序列。
表3-3单位根检验结果
NullHypothesis:
DLYhasaunitroot
Exogenous:
Constant
LagLength:
0(AutomaticbasedonSIC,MAXLAG=12)
t-Statistic
Prob.*
AugmentedDickey-Fullerteststatistic
-18.37499
0.0000
Testcriticalvalues:
1%level
-3.479281
5%level
-2.882910
10%level
-2.578244
*MacKinnon(1996)one-sidedp-values.
AugmentedDickey-FullerTestEquation
DependentVariable:
D(DLY)
Method:
LeastSquares
Date:
06/19/14Time:
13:
59
Sample(adjusted):
2003M032014M05
Includedobservations:
135afteradjustments
Variable
Coefficient
Std.Error
Prob.
DLY(-1)
-1.432383
0.077953
C
-0.003417
0.007391
-0.462360
0.6446
R-squared
0.717406
Meandependentvar
0.000767
AdjustedR-squared
0.715281
S.D.dependentvar
0.160871
S.E.ofregression
0.085839
Akaikeinfocriterion
-2.057979
Sumsquaredresid
0.979992
Schwarzcriterion
-2.014938
Loglikelihood
140.9136
Hannan-Quinncriter.
-2.040489
F-statistic
337.6401
Durbin-Watsonstat
2.045393
Prob(F-statistic)
0.000000
2.纯随机性检验
考察差分后序列的随机性,序列自相关和偏自相关分析图如下:
图3-4差分后序列自相关和偏自相关图
自相关和偏自相关分析图显示,序列自相关和偏自相关系数都非常小,尤其是k=1阶之后,向零衰减的非常迅速,几乎都小于0.01。
P值显著小于0.01,所以认为该序列为非纯随机序列。
(三)模型识别
简单季节模型是指序列中的季节效应和其他效应之间是加法关系,通过简单的周期步长差分即可将序列中的季节信息提取充分,简单的地界差分即可将趋势信息提取充分,提取完季节信息和趋势信息之后的残差就是一个平稳序列,可以用ARMA模型拟合。
对经过差分处理后的序列做自相关和偏自相关分析图。
自相关图显示延迟12步自相关系数显著大于2倍标准差范围,这说明差分后序列中仍蕴含着非常显著的季节效应。
延迟1步、2步的自相关系数也大于2倍标准差,这说明差分后序列还具有短期相关性。
观察偏自相关图得到的结论和上面一致。
偏自相关系数k=1时显著不为0,之后很快趋于0,在k=12时,显著不为0,因此,可考虑用AR(1,12)模型拟合;
自相关系数在k=1时显著不为0,在k=2时,也与0有显著差异,k=12时,显著不为0,因此,可考虑用MA(1,2,12)模型拟合;
也可用ARMA((1,12),(1,12))来进行拟合。
(四)模型选择与建立
运用最小二乘法对预处理后的序列进行分别进行AR(1,12)、MA(1,2,12)、ARMA((1,12),(1,12))模型拟合,并检验AR、MA模型拟合后残差是否为纯随机序列。
由于AR(1,12)MA(1,2,12)拟合结果残差不能通过白噪声检验,说明单纯的AR或MA模型不能将信息提取完全,进而尝试ARMA((1,12),(1,12))模型。
表3-3ARMA((1,12),(1,12))模型拟合
DLY
14:
03
2004M022014M05
124afteradjustments
Convergenceachievedafter12iterations
MABackcast:
2003M022004M01
Prob.
AR
(1)
-0.329221
0.099173
-3.319671
0.0012
AR(12)
-0.074019
0.105565
-0.701171
0.4846
MA
(1)
-0.127620
0.074666
-1.709198
0.0900
MA(12)
-0.805258
0.065932
-12.21347
0.516983
-0.001074
0.504908
0.095460
0.067169
-2.531497
0.541394
-2.440520
160.9528
-2.494540
1.922980
InvertedARRoots
.75-.21i
.75+.21i
.55-.57i
.55+.57i
.18-.77i
.18+.77i
-.24-.77i
-.24+.77i
-.60+.56i
-.60-.56i
-.81+.21i
-.81-.21i
InvertedMARoots
.99
.86-.49i
.86+.49i
.50-.85i
.50+.85i
.01+.98i
.01-.98i
-.48+.85i
-.48-.85i
-.84+.49i
-.84-.49i
-.97
结果显示AR(12)的参数不显著,因此删除该项。
04
Convergenceachievedafter8iterations
2002M032003M02
-0.368699
0.087059
-4.235043
-0.098445
0.048100
-2.046678
0.0427
-0.843515
0.039295
-21.46639
0.530039
-0.002154
0.522918
0.094895
0.065545
-2.590179
0.567096
-2.525618
177.8371
-2.563943
2.018943
-.37
.01-.99i
.01+.99i
-.85+.49i
-.85-.49i
-.98
(五)模型检验与评价
对模型的评价主要是检验整个模型对信息的提取是否充分,即检验残差序列是否为白噪声序列。
如果拟合模型的残差序列不是为白噪声序列,则需要重新选择模型进行拟合。
如残差序列是白噪声序列,则认为拟合模型是有效的,信息提取较充分。
检验残差项是否为白噪声,可以通过自相关和偏自相关分析图直观判断和Q统计量判断。
检验结果显示,残差序列的自相关系数和偏自相关系数都落入随机区间,自相关系数和偏自相关系数的绝对值都小于0.1,与0无明显差异,Q统计量的P均大于0.1,表明残差序列是纯随机序列,即白噪声序列。
参数显著性检验显示三个参数均显著。
该模型有很好的拟合效果,信息提取充分。
表3-3ARMA(1,(1,12))模型检验结果
残差白噪声检验
参数显著性检验
延迟阶数
Q统计量
P值
待估参数
T统计量
6
2.7237
0.436
φ1
12
3.9782
0.913
θ1
18
5.3751
0.988
θ2
最终得到的模型为:
(六)模型预测
将序列拟合值和序列观察值联合作图,通过图示也可以直观地看出该模型对序列的拟合效果良好。
图3-5残差自相关和偏自相关图
现用拟合的简单季节模型对我国2014年6、7、8月进出口总额进行预测,如下。
表3-3预测值表单位:
千美元
时间
2014M06
2014M07
2014M08
预测值
3
9
从以上6、7、8月预测值来看,7月较6月我国对外贸易总额月度数据仍然呈增长趋势,而8月较7月对外贸易总额有所减少,与以往实际序列呈相同变动趋势,进一步验证拟合模型的有效性。
四、结论
改革开放以来,我国对外贸易发展迅速,尤其是2011年12月11日,中国加入WTO以后,发展势头迅猛。
对外贸易的发展,一度带动了我国国内经济的稳定高速增长,二者形成良性互动,为我国人民生活水平提高乃至世界经济做出了巨大贡献。
从2008年金融危机以来,世界经济发展缓慢,我国外贸发展也受到不可避免的影响,也为我国对外贸易发展结构调整提供了契机。
综合考虑国际国内环境,2014年中国外贸发展面临的环境略好于上年,但形势仍然不容乐观,还存在不少挑战和压力。
2013年我国GDP保持7.6%的增速,国内经济增长平稳,为中国外贸具现稳定增长提供了必备的条件,ARIMA模型预测结果显示,我国对外贸易总额接下来三个月增长稳定。
五、主要的政策建议
面对如此严峻的国内外经济形势,中国应积极促进进出口稳增长调结构,深入落实已出台的稳定外贸增长的政策,进一步提高贸易便利化水平,为外贸企业营造更为宽松的环境。
(一)提供融资便利
中国外贸企业中小微企业为数众多,占总数超过90%,是中国外贸大军中重要的组成部分。
虽然小微企业经营方式灵活,创新能力强,但由于业务规模小,资信水平底,融资难始终是困扰小微外贸企业生产和发展的难题之一。
2001年中国出口信用保险公司虽成立,但利用这一融资方式的外贸企业不足3%。
因此国家应增强支持中小微企业出口信用保险融资的力度,并积极引导各银行推出对外贸小微企业融资更切实际的方案,并给予政策支持。
(二)提高出口产品附加值
中国商品一直以来靠着廉价的劳动力成本占领全球市场,然而低成本策略并非长远之道。
国家应该抑制价格低廉,质量低劣的产品出口,鼓励外贸企业技术创新投入,促进广大进出口企业主动转型升级,提高产品质量档次,建立国际营销网络,从单纯的出口产品向出口产品与服务协同发展。
充分挖掘出口新增长点,由资源密集型和劳动密集型向资本密集型和技术密集型转变,建立与国际标准接轨的产品质量检验检疫标准和制度,真正实现中国制造走向中国创造。
(三)增强民企活力,提高国企竞争力
新一届政府大力推进简政放权,取消和下放大量行政审批事项,激活了广大民营企业开展外贸的活力,2013年民营进出口增长22.3%,国有企业进出口下降0.6%,形成鲜明对比。
民企作为外贸增长的新生力量,国家应给予税费、融资、减免收费等方面的政策支持。
同时应对规模大,实力雄厚的国企加以监督管理,严肃处理国有企业中职务犯罪,积极引导国企制度改革,提高国企在市场的竞争力。
参考文献
[1]庞皓.计量经济学.北京:
科学出版社,2007
[2]王燕.应用时间序列分析.北京:
中国人民大学出版社,2008
[3]沈汉溪.林坚.基于ARIMA模型的中国外贸进出口预测:
2006-2010[J].国际贸易问题,2007,(6)
[4]苗长青.张满林.中国出口贸易结构的特征及优化对策[J].改革与战略2014,
(2)
[5]孙雪.我国进出口总额的动态分析—基于ARIMA模型[J].中国集体经济,2010,
(1)
[6]梅园.浅析中国对外贸易在国际贸易中的地位及发展[J].流通经济,2014,
(1)
[7]中国经济统计数据库.cn
[8]中国商务部网站.cn/
[9]中国统计局中国统计年鉴.cn/tjsj/ndsj/
MA(1,2,12)
46
2003M022014M05
136afteradjustments
Convergenceachievedafter10iterations
2002M022003M01