胡振華，鐘代立，何曉潔

（中南大學(xué)商學(xué)院，長(zhǎng)沙410083）

經(jīng)濟(jì)實(shí)證

中國(guó)鐵礦石消費(fèi)量與對(duì)外依存度預(yù)測(cè)

胡振華，鐘代立，何曉潔

（中南大學(xué)商學(xué)院，長(zhǎng)沙410083）

文章基于A(yíng)RIMA模型對(duì)非平穩(wěn)時(shí)間序列良好的短期預(yù)測(cè)特性，采用該方法對(duì)“十三五”期間中國(guó)鐵礦石消費(fèi)量與對(duì)外依存度進(jìn)行了模型構(gòu)建和預(yù)測(cè)分析，所建模型的擬合效果和預(yù)測(cè)精度較佳。預(yù)測(cè)結(jié)果表明，“十三五”期間中國(guó)鐵礦石消費(fèi)量將趨向于緩慢上升至零增長(zhǎng)率的頂點(diǎn)，對(duì)外依存度則將在經(jīng)過(guò)高位平臺(tái)后拐入下降趨勢(shì)。

“十三五”；鐵礦石；ARIMA模型；預(yù)測(cè)

0 引言

中國(guó)是一個(gè)資源消費(fèi)大國(guó)，改革開(kāi)放后，隨著中國(guó)經(jīng)濟(jì)的持續(xù)快速發(fā)展進(jìn)入到強(qiáng)勁的工業(yè)化時(shí)期，鋼鐵產(chǎn)品需求的飛速增漲引發(fā)了對(duì)鐵礦石的巨大需求和消耗。2014年中國(guó)鐵礦石年消費(fèi)量已超11億噸，較2000年增長(zhǎng)了5倍多，但由于國(guó)內(nèi)鐵礦石資源品位較低且開(kāi)采成本較高，使得中國(guó)所需的鐵礦石消費(fèi)大部分依賴(lài)于進(jìn)口，2014年鐵礦石進(jìn)口量達(dá)9億噸，對(duì)外依存度超過(guò)70%，遠(yuǎn)高于50%的“國(guó)際警戒線(xiàn)”。對(duì)于進(jìn)口的高度依賴(lài)使得中國(guó)在鐵礦石價(jià)格上的控制力缺乏，國(guó)際鐵礦石供應(yīng)商憑借較強(qiáng)的定價(jià)權(quán)優(yōu)勢(shì)所致使的價(jià)格非理性波動(dòng)令中國(guó)鋼鐵產(chǎn)業(yè)乃至中國(guó)經(jīng)濟(jì)承受著沉重的壓力，嚴(yán)重威脅到了中國(guó)的鐵礦石資源安全保障?！笆濉弊鳛橹袊?guó)現(xiàn)代化建設(shè)進(jìn)程中極為關(guān)鍵、意義深遠(yuǎn)的歷史節(jié)點(diǎn)，面臨著重大的機(jī)遇與挑戰(zhàn)[1]?？茖W(xué)合理地預(yù)測(cè)“十三五”期間中國(guó)鐵礦石消費(fèi)量與對(duì)外依存度，對(duì)于新常態(tài)下鋼鐵產(chǎn)業(yè)發(fā)展與轉(zhuǎn)型政策的制定和中國(guó)國(guó)民經(jīng)濟(jì)與社會(huì)的健康可持續(xù)發(fā)展有著重要的參考價(jià)值。由于鐵礦石消費(fèi)量與對(duì)外依存度所受的影響因素關(guān)系復(fù)雜，若使用結(jié)構(gòu)性因果模型方法預(yù)測(cè)往往效果不理想，亦由于研究對(duì)象的時(shí)間序列具有非平穩(wěn)性特征，因此本文以相關(guān)歷史數(shù)據(jù)為樣本，采用ARIMA模型方法開(kāi)展研究，運(yùn)用EViews6.0軟件進(jìn)行分析并構(gòu)建預(yù)測(cè)模型，對(duì)2015—2020年的中國(guó)鐵礦石消費(fèi)量與對(duì)外依存度進(jìn)行預(yù)測(cè)和分析，以期對(duì)“十三五”期間的相關(guān)發(fā)展決策起到參考作用。

1 理論基礎(chǔ)

ARIMA模型，即單積自回歸移動(dòng)平均模型，于20世紀(jì)70年代由統(tǒng)計(jì)學(xué)家Box和Jenkins首創(chuàng)，亦稱(chēng)為Box-Jenkins模型。因該模型具備無(wú)需對(duì)時(shí)間序列的發(fā)展模式做先驗(yàn)假設(shè)并可反復(fù)進(jìn)行識(shí)別與修改直至獲取較為理想的模型的優(yōu)點(diǎn)，且預(yù)測(cè)精度較高，從而在經(jīng)濟(jì)領(lǐng)域的預(yù)測(cè)分析研究之中應(yīng)用較為廣泛[2]。

ARIMA模型的基本思想為基于時(shí)間序列的自相關(guān)分析，運(yùn)用數(shù)學(xué)模型近似地描述預(yù)測(cè)對(duì)象隨著時(shí)間推移而形成的隨機(jī)數(shù)據(jù)序列，若模型被識(shí)別即可通過(guò)時(shí)間序列的歷史值和當(dāng)前值來(lái)預(yù)測(cè)出將來(lái)值，且在預(yù)測(cè)過(guò)程中同時(shí)考慮了所研究對(duì)象的時(shí)間序列依存性和隨機(jī)波動(dòng)干擾性。

ARIMA模型以3種形式對(duì)擾動(dòng)項(xiàng)進(jìn)行建模分析[3]：

（1）自回歸項(xiàng)（AR）。自回歸預(yù)測(cè)模型通過(guò)將歷史觀(guān)測(cè)值的誤差包含在當(dāng)前觀(guān)測(cè)值的回歸過(guò)程中，每個(gè)自回歸項(xiàng)均與殘差的一個(gè)滯后值相對(duì)應(yīng)。AR(p)的數(shù)學(xué)表述為：

（2）單積項(xiàng)（I）。若預(yù)測(cè)模型中包含單積項(xiàng)則可描述出序列在全部時(shí)間范圍內(nèi)的變動(dòng)，每個(gè)單積項(xiàng)與一個(gè)被預(yù)測(cè)的差分序列相對(duì)應(yīng)，d次單積形式表明應(yīng)該用d次差分序列構(gòu)建模型。

（3）移動(dòng)平均項(xiàng)（MA）。移動(dòng)平均預(yù)測(cè)模型采用預(yù)測(cè)誤差的滯后值改進(jìn)當(dāng)前預(yù)測(cè)，q階移動(dòng)平均項(xiàng)采用前q個(gè)時(shí)期的預(yù)測(cè)誤差。MA(q)的數(shù)學(xué)表述為：

將此3種形式有效組合即可構(gòu)建出完整的ARIMA預(yù)測(cè)模型[4]，其一般形式可表述為：

ARIMA模型預(yù)測(cè)的基本流程為[5,6]：（1）平穩(wěn)性檢驗(yàn)，通過(guò)ADF檢驗(yàn)等方法考察數(shù)據(jù)的平穩(wěn)性，若為非平穩(wěn)序列可采用差分或?qū)?shù)差分變換等方法進(jìn)行平穩(wěn)化處理，確定差分階數(shù)；（2）識(shí)別與定階，通過(guò)分析自相關(guān)與偏相關(guān)系數(shù)、AIC值、SC值等方法確定自回歸階數(shù)和移動(dòng)平均階數(shù)，構(gòu)建相應(yīng)的ARIMA(p,d,q)模型；（3）參數(shù)估計(jì)，估計(jì)所構(gòu)建模型的參數(shù)并檢驗(yàn)是否具有統(tǒng)計(jì)意義；（4）適應(yīng)性檢驗(yàn)，通過(guò)白噪聲檢驗(yàn)診斷模型是否已完全提取信息；（5）預(yù)測(cè)精度檢驗(yàn)，對(duì)比預(yù)測(cè)值與真實(shí)值及其相對(duì)誤差考察模型的預(yù)測(cè)精度；（6）預(yù)測(cè)分析，采用構(gòu)建的模型進(jìn)行預(yù)測(cè)和分析。

2 中國(guó)鐵礦石消費(fèi)量的預(yù)測(cè)

2.1 數(shù)據(jù)來(lái)源與平穩(wěn)性檢驗(yàn)

粗鋼是最具代表性的鋼鐵產(chǎn)品，亦是鐵礦石的直接產(chǎn)品。依據(jù)62%的鐵礦石基準(zhǔn)品位，生產(chǎn)1噸粗鋼所消耗的鐵礦石約為1.6噸[7]，因此可通過(guò)對(duì)中國(guó)鋼鐵表現(xiàn)消費(fèi)量（粗鋼）進(jìn)行預(yù)測(cè)來(lái)間接實(shí)現(xiàn)中國(guó)鐵礦石消費(fèi)量的預(yù)測(cè)。

本文選取2000—2014年中國(guó)鋼鐵表現(xiàn)消費(fèi)量（粗鋼）的相關(guān)年度數(shù)據(jù)，數(shù)據(jù)來(lái)源于Wind資訊，如表1所示。

表1 中國(guó)鋼鐵表現(xiàn)消費(fèi)量（粗鋼）年度數(shù)據(jù)

可直觀(guān)發(fā)現(xiàn)，中國(guó)鋼鐵表現(xiàn)消費(fèi)量明顯呈現(xiàn)出增長(zhǎng)趨勢(shì)，初步判斷出這是一個(gè)非平穩(wěn)的時(shí)間序列，為減小波動(dòng)，先對(duì)其進(jìn)行自然對(duì)數(shù)化處理，設(shè)對(duì)數(shù)化后的中國(guó)鋼鐵表現(xiàn)消費(fèi)量時(shí)間序列為Y，如圖1所示。

圖1 對(duì)數(shù)化后的中國(guó)鋼鐵表現(xiàn)消費(fèi)量時(shí)間序列圖

可見(jiàn)對(duì)數(shù)化處理后所得的時(shí)間序列Y仍具有明顯的線(xiàn)性趨勢(shì)，依然是非平穩(wěn)序列，需對(duì)其進(jìn)行差分，以消除線(xiàn)性趨勢(shì)使其平穩(wěn)化。為找出序列Y的非平穩(wěn)階數(shù)，通過(guò)差分處理后對(duì)其一階差分序列DY和二階差分序列DDY進(jìn)行平穩(wěn)性檢驗(yàn)。序列DY與DDY如圖2所示。

圖2 一階差分與二階差分后的時(shí)間序列圖

可以看出：DY已明顯消除了線(xiàn)性趨勢(shì)特征，但其仍具有非零的均值，且存在一定程度的下降趨勢(shì)；而DDY良好地消除了線(xiàn)性趨勢(shì)，且圍繞零值水平線(xiàn)附近上下波動(dòng)，初步判斷較為平穩(wěn)。進(jìn)一步通過(guò)統(tǒng)計(jì)檢驗(yàn)來(lái)確認(rèn)和證實(shí)DY和DDY是否具有平穩(wěn)性，分別對(duì)兩個(gè)序列進(jìn)行ADF檢驗(yàn)，如表2所示。

由ADF檢驗(yàn)結(jié)果可以看出，序列DY在檢驗(yàn)中所得的t統(tǒng)計(jì)量為-1.019247，大于5%以及10%顯著性水平下的臨界值，說(shuō)明仍存在單位根，可確認(rèn)其仍為非平穩(wěn)時(shí)間序列。而序列DDY在檢驗(yàn)中的t統(tǒng)計(jì)量為-4.587751，小于1%顯著性水平下的臨界值，且P＜0.01，在1%的顯著性水平下拒絕存在單位根的原假設(shè)，表明序列DDY已是平穩(wěn)的時(shí)間序列。

表2 一階差分與二階差分序列的ADF檢驗(yàn)

2.2 模型構(gòu)建

通過(guò)平穩(wěn)性檢驗(yàn)，已確認(rèn)經(jīng)過(guò)二階差分后的序列DDY為平穩(wěn)序列，因此在即將構(gòu)建的ARIMA(p,d,q)模型中，差分階數(shù)d=2。為進(jìn)一步確定自回歸階數(shù)p和移動(dòng)平均階數(shù)q，需要對(duì)序列DDY的自相關(guān)和偏相關(guān)系數(shù)進(jìn)行分析，如圖3所示。

圖3 二階差分序列DDY的自相關(guān)和偏相關(guān)圖

從圖3可看出，自相關(guān)系數(shù)在滯后階數(shù)為1、4時(shí)顯著不為0且超出二倍標(biāo)準(zhǔn)差的邊緣，在滯后階數(shù)3時(shí)也落在二倍標(biāo)準(zhǔn)差邊緣附近，初步判斷q有可能為1、3、4；偏相關(guān)系數(shù)在滯后階數(shù)1、3時(shí)顯著不為0且超出二倍標(biāo)準(zhǔn)差的邊緣，初步判斷p=1或p=3。為確定ARIMA模型中最終的p和q的階數(shù)，采取分別建立相應(yīng)的多個(gè)模型進(jìn)行反復(fù)嘗試，發(fā)現(xiàn)當(dāng)p=3時(shí)各模型中變量對(duì)應(yīng)參數(shù)的顯著性較差（P值不顯著為零），而p=1時(shí)各模型中變量對(duì)應(yīng)參數(shù)的顯著性較好，因而可確定所構(gòu)建模型的自回歸階數(shù)p為1。然后通過(guò)AIC準(zhǔn)則和SC值對(duì)各模型進(jìn)行比較以綜合考察模型的整體擬合效果來(lái)確定q值，如表3所示。

表3 各(p,q)下模型的A|C值和SC值

通過(guò)比較，當(dāng)p=1且q=1時(shí)模型的AIC值與SC值相對(duì)于其他模型而言最小，在預(yù)測(cè)中更為適用，是最優(yōu)的。因此，構(gòu)建中國(guó)鋼鐵表現(xiàn)消費(fèi)量預(yù)測(cè)模型ARIMA(1,2,1)，其具體形式如下：

其中R2值為0.944，表明擬合效果較好；D.W.統(tǒng)計(jì)量值接近2，表明序列間接近無(wú)自相關(guān)。

2.3 模型的適應(yīng)性與預(yù)測(cè)精度檢驗(yàn)

在構(gòu)建ARIMA(1,2,1)模型并進(jìn)行參數(shù)估計(jì)后，需要先檢驗(yàn)擬合模型的適應(yīng)性，即對(duì)模型的殘差序列進(jìn)行白噪聲檢驗(yàn)。如果其殘差序列不為白噪聲，說(shuō)明仍有重要信息未被提取，模型需進(jìn)一步改進(jìn)。從殘差序列的自相關(guān)和偏相關(guān)圖（如圖4所示）可以看出，其自相關(guān)和偏相關(guān)系數(shù)均未超出二倍標(biāo)準(zhǔn)差，落在置信區(qū)間內(nèi)，殘差序列相互獨(dú)立不存在自相關(guān)，為白噪聲，表明模型已充分提取信息，擬合效果較好。

圖4 殘差序列的自相關(guān)和偏相關(guān)圖

然后檢驗(yàn)?zāi)Ｐ偷念A(yù)測(cè)精度。首先運(yùn)用所構(gòu)建的ARIMA(1,2,1)模型進(jìn)行樣本內(nèi)靜態(tài)預(yù)測(cè)（如圖5所示），可見(jiàn)預(yù)測(cè)值序列與真實(shí)值序列兩條曲線(xiàn)走勢(shì)有著極高的一致性，可判斷出模型擬合效果較好。再通過(guò)對(duì)比2012—2014年中國(guó)鋼鐵表現(xiàn)消費(fèi)量的真實(shí)值、預(yù)測(cè)值及相對(duì)誤差（如表4所示），可發(fā)現(xiàn)預(yù)測(cè)值與真實(shí)值非常接近，相對(duì)誤差的絕對(duì)值均在1%以?xún)?nèi)，很好地反映出模型的預(yù)測(cè)精度較高。2.4預(yù)測(cè)結(jié)果與分析

圖5 真實(shí)值與靜態(tài)預(yù)測(cè)值的擬合效果圖

表4 真實(shí)值與預(yù)測(cè)值的對(duì)比

基于模型較高的預(yù)測(cè)精度，進(jìn)一步進(jìn)行樣本外動(dòng)態(tài)預(yù)測(cè)，預(yù)測(cè)2015—2020年的鋼鐵表現(xiàn)消費(fèi)量，并推算出鐵礦石消費(fèi)量的預(yù)測(cè)值，進(jìn)而得出中國(guó)鐵礦石消費(fèi)量及其增長(zhǎng)率變化趨勢(shì)，如表5和下頁(yè)圖6所示。

表52015 —2020年中國(guó)鋼鐵表現(xiàn)消費(fèi)量與鐵礦石消費(fèi)量預(yù)測(cè)值

從預(yù)測(cè)結(jié)果可以看出：“十三五”期間，中國(guó)鐵礦石消費(fèi)量從總體上仍將延續(xù)增長(zhǎng)態(tài)勢(shì)，到2020年增至約14億噸，但同時(shí)其增長(zhǎng)率將明顯放緩至5%以下，并逐漸趨向接近于0。自2000年以來(lái)，由于中國(guó)經(jīng)濟(jì)的強(qiáng)勢(shì)崛起，中國(guó)的鋼鐵消費(fèi)量飛速上升，成為全球鋼鐵消費(fèi)第一大國(guó)，鐵礦石消費(fèi)量年增長(zhǎng)率屢超20%以上，強(qiáng)勢(shì)帶動(dòng)了全球鐵礦石消費(fèi)量的增長(zhǎng)。而自2011年全球經(jīng)濟(jì)危機(jī)導(dǎo)致市場(chǎng)需求不振以及中國(guó)經(jīng)濟(jì)轉(zhuǎn)型升級(jí)使得經(jīng)濟(jì)增速放緩，中國(guó)對(duì)鋼鐵產(chǎn)品的需求及鐵礦石的消費(fèi)降入到年增長(zhǎng)率為5%左右的低增速階段，國(guó)際鐵礦石市場(chǎng)亦開(kāi)始供需反轉(zhuǎn)，呈現(xiàn)出供大于求的新局面。“十三五”期間，隨著中國(guó)經(jīng)濟(jì)結(jié)構(gòu)調(diào)整與基礎(chǔ)設(shè)施建設(shè)的逐漸完善，固定資產(chǎn)投資對(duì)鋼鐵產(chǎn)品消費(fèi)的拉動(dòng)作用將削弱殆盡，以及對(duì)鋼鐵行業(yè)產(chǎn)能過(guò)剩的進(jìn)一步有效化解，中國(guó)鐵礦石消費(fèi)量將趨向于到達(dá)零增長(zhǎng)點(diǎn)的頂峰，并有可能即將開(kāi)始緩慢下行。

圖6 中國(guó)鐵礦石消費(fèi)量及其增長(zhǎng)率變化趨勢(shì)圖

3 中國(guó)鐵礦石對(duì)外依存度的預(yù)測(cè)

3.1 模型構(gòu)建

礦產(chǎn)品對(duì)外依存度這一概念表征的是一個(gè)國(guó)家某種礦產(chǎn)品對(duì)國(guó)際市場(chǎng)的依賴(lài)程度，A國(guó)對(duì)礦產(chǎn)品B的對(duì)外依存度，以A國(guó)對(duì)礦產(chǎn)品B的凈進(jìn)口量與礦產(chǎn)品B在A(yíng)國(guó)國(guó)內(nèi)的消費(fèi)總量的比值來(lái)測(cè)度[8]。由于中國(guó)的鐵礦石出口量數(shù)額極小，與龐大的鐵礦石進(jìn)口量相比微乎其微，因而可將中國(guó)鐵礦石進(jìn)口量數(shù)值視為凈進(jìn)口量。下文通過(guò)預(yù)測(cè)中國(guó)鐵礦石進(jìn)口量，并結(jié)合前文所進(jìn)行的中國(guó)鐵礦石消費(fèi)量預(yù)測(cè)來(lái)實(shí)現(xiàn)對(duì)鐵礦石對(duì)外依存度的預(yù)測(cè)。

選取2000—2014年的中國(guó)鐵礦石進(jìn)口量的相關(guān)年度數(shù)據(jù)，數(shù)據(jù)來(lái)源于中國(guó)海關(guān)總署。中國(guó)鐵礦石進(jìn)口量時(shí)間序列的平穩(wěn)性判斷與檢驗(yàn)、差分處理，以及欲構(gòu)建的ARIMA模型中p、d、q值的確定等建模流程與前文中中國(guó)鋼鐵表現(xiàn)消費(fèi)量的ARIMA建模預(yù)測(cè)類(lèi)似，因而在此不再贅述。最終所構(gòu)建的中國(guó)鐵礦石進(jìn)口量預(yù)測(cè)模型為ARIMA (1,2,1)：

其中R2值為0.694，表明擬合效果較好；D.W.統(tǒng)計(jì)量值接近2，表明序列間接近無(wú)自相關(guān)。

在對(duì)該模型的殘差序列進(jìn)行白噪聲檢驗(yàn)時(shí)，其自相關(guān)和偏相關(guān)系數(shù)均落在二倍標(biāo)準(zhǔn)差的置信區(qū)間內(nèi)，表明殘差序列為白噪聲，模型通過(guò)適應(yīng)性檢驗(yàn)，信息已充分提取。在對(duì)該模型的預(yù)測(cè)精度進(jìn)行檢驗(yàn)時(shí)，其靜態(tài)預(yù)測(cè)值序列與真實(shí)值序列的一致性和擬合效果較好，且2012—2014年真實(shí)值與預(yù)測(cè)值的相對(duì)誤差絕對(duì)值均處在3%以?xún)?nèi)，表明模型有著較高的預(yù)測(cè)精度。

3.2 預(yù)測(cè)結(jié)果與分析

采用所構(gòu)建的模型進(jìn)行樣本外動(dòng)態(tài)預(yù)測(cè)，得出2015—2020年的中國(guó)鐵礦石進(jìn)口量預(yù)測(cè)值，并結(jié)合前文中所預(yù)測(cè)的中國(guó)鐵礦石消費(fèi)量推算出對(duì)外依存度的預(yù)測(cè)值，從而得出中國(guó)鐵礦石進(jìn)口量、對(duì)外依存度及其增長(zhǎng)率變化趨勢(shì)，如表6和圖7所示。

表62015 —2020年中國(guó)鐵礦石進(jìn)口量與對(duì)外依存度預(yù)測(cè)值

圖7 中國(guó)鐵礦石進(jìn)口量、對(duì)外依存度及其增長(zhǎng)率變化趨勢(shì)圖

從預(yù)測(cè)結(jié)果可以看出：中國(guó)鐵礦石進(jìn)口量在“十三五”初期仍將以3%的低增長(zhǎng)率延續(xù)上漲態(tài)勢(shì)，于2017年達(dá)到9.8億余噸的頂點(diǎn)后開(kāi)始以-5%以?xún)?nèi)的年增長(zhǎng)率緩慢下降，至2020年進(jìn)口量降至約8.8億噸；對(duì)外依存度在“十三五”初期到達(dá)近80%的高位后亦開(kāi)始下降，到2020年降至63%，年降幅超6%?？梢?jiàn)在“十三五”期間，鐵礦石進(jìn)口量與對(duì)外依存度將先于鐵礦石消費(fèi)量步入到負(fù)增長(zhǎng)的下行通道中，這在總體需求放緩的大環(huán)境下主要將由供給方面的三類(lèi)因素對(duì)鐵礦石進(jìn)口所發(fā)揮的有效替代作用而產(chǎn)生：（1）在國(guó)內(nèi)鐵礦石開(kāi)采上的大力投入將發(fā)揮出明顯效果，自產(chǎn)鐵礦石開(kāi)采效率的增強(qiáng)使得國(guó)產(chǎn)鐵礦石的自給率逐步提升，減弱對(duì)于鐵礦石進(jìn)口的依賴(lài)性；（2）近年來(lái)強(qiáng)力推行的中國(guó)鋼鐵企業(yè)“走出去”戰(zhàn)略所取得的重大進(jìn)展使得海外投資權(quán)益礦逐步形成量產(chǎn)供應(yīng)，預(yù)計(jì)于“十三五”末期海外權(quán)益礦將超過(guò)3億噸，可有效滿(mǎn)足部分國(guó)內(nèi)鐵礦石需求；（3）廢鋼作為鋼鐵生產(chǎn)過(guò)程中鐵礦石唯一的替代品將逐漸顯現(xiàn)出替代作用，隨著中國(guó)鋼鐵蓄積量的增加，折舊的廢鋼資源量將于“十三五”末期達(dá)到2億噸，屆時(shí)可在國(guó)內(nèi)鋼鐵產(chǎn)業(yè)原材料結(jié)構(gòu)中占比超過(guò)25%，在較大程度上緩和了對(duì)進(jìn)口鐵礦石的需求。

4 結(jié)束語(yǔ)

本文基于A(yíng)RIMA模型方法進(jìn)行時(shí)間序列建模分析，預(yù)測(cè)了“十三五”期間中國(guó)鐵礦石消費(fèi)量與進(jìn)口依存度的變化趨勢(shì)，所構(gòu)建的預(yù)測(cè)模型有著較高的擬合效果和預(yù)測(cè)精度，為中國(guó)鐵礦石行業(yè)發(fā)展的戰(zhàn)略與政策制定提供了科學(xué)且客觀(guān)的依據(jù)。據(jù)預(yù)測(cè)，“十三五”期間中國(guó)鐵礦石消費(fèi)量將趨向于緩增至頂點(diǎn)，對(duì)外依存度將在經(jīng)過(guò)高位平臺(tái)后拐入下降通道。雖然對(duì)外依存度取得的下降幅度有利于提升中國(guó)在國(guó)際鐵礦石市場(chǎng)上的議價(jià)能力，但其值仍位于國(guó)際警戒線(xiàn)之上，仍需通過(guò)進(jìn)一步提高鋼鐵行業(yè)集中度，化解產(chǎn)能過(guò)剩，提升鐵礦石的綜合利用效率，加大廢鋼資源的有效利用，并加快國(guó)內(nèi)礦山稅費(fèi)改革、創(chuàng)新海外權(quán)益礦投資模式，防范新定價(jià)機(jī)制下國(guó)際鐵礦石巨頭通過(guò)擴(kuò)產(chǎn)對(duì)國(guó)內(nèi)及海外高成本礦山的擠壓，同時(shí)建立健全國(guó)家鐵礦石戰(zhàn)略?xún)?chǔ)備體系，在更為競(jìng)爭(zhēng)激烈與錯(cuò)綜復(fù)雜的國(guó)際經(jīng)濟(jì)新局勢(shì)下為中國(guó)國(guó)民經(jīng)濟(jì)與社會(huì)發(fā)展提供安全且堅(jiān)實(shí)的鐵礦石資源保障。

[1]劉樹(shù)成.“十三五”時(shí)期我國(guó)宏觀(guān)經(jīng)濟(jì)波動(dòng)態(tài)勢(shì)分析[J].宏觀(guān)經(jīng)濟(jì)研究,2015,(8).

[2]宋宇辰,張志啟.基于A(yíng)RIMA模型對(duì)我國(guó)“十二五”能源需求的預(yù)測(cè)[J].煤炭工程,2012,1(1).

[3]高鐵梅.計(jì)量經(jīng)濟(jì)分析方法與建模[M].北京：清華大學(xué)出版社, 2011.

[4]張曉峒.EViews使用指南與案例[M].北京：機(jī)械工業(yè)出版社, 2007.

[5]薛蓓蓓.基于A(yíng)RIMA模型：全社會(huì)固定資產(chǎn)投資總額預(yù)測(cè)[J].統(tǒng)計(jì)與決策,2014,(15).

[6]劉明.經(jīng)濟(jì)時(shí)間序列的ARIMA類(lèi)模型構(gòu)建[J].統(tǒng)計(jì)與決策,2014,(8).

[7]劉鐵敏,周偉,王青.依據(jù)鋼鐵生產(chǎn)過(guò)程的中國(guó)鐵礦石需求預(yù)測(cè)模型[J].金屬礦山,2007,(2).

[8]崔榮國(guó),劉樹(shù)臣.礦產(chǎn)品對(duì)外依存度研究及初步測(cè)算[J].國(guó)土資源情報(bào),2008,(8).

（責(zé)任編輯/浩天）

Forecast of China’s Iron Ore Consumption and Foreign-Trade Dependence

Hu Zhenhua,Zhong Daili,He Xiaojie
(School of Business,Central South University,Changsha 410083,China)

This paper adopts the ARIMA model,which has a good short-term prediction of non-stationary time series,to make a model and prediction analysis of China’s iron ore consumption and foreign-trade dependence during“the 13th Five-Year Plan”period.The established model has relatively better imitative effect and forecast accuracy.The prediction results show that during“the 13th Five-Year Plan”period,China’s iron ore consumption will slowly rise to the peak with zero growth rate,and that China’s iron ore foreign-trade dependence will turn to downtrend after passing a high level platform.

the 13th Five-Year Plan;iron ore;ARIMA model;forecast

F426

A

1002-6487（2017）11-0111-05

國(guó)家社會(huì)科學(xué)基金重大項(xiàng)目（13&ZD169）

胡振華（1962—），男，湖南邵陽(yáng)人，教授，博士生導(dǎo)師，研究方向：產(chǎn)業(yè)經(jīng)濟(jì)、資源經(jīng)濟(jì)。鐘代立（1986—），男，湖南永州人，博士研究生，研究方向：產(chǎn)業(yè)經(jīng)濟(jì)、資源經(jīng)濟(jì)。何曉潔（1965—），女，江西安遠(yuǎn)人，碩士，副教授，研究方向：管理決策模型與方法、管理信息系統(tǒng)。