摘要：随着我国货物贸易和利用外资的不断发展，以及第三产业结构调整和服务领域、对外放需求进一步扩大，中国的对外贸易行业也得到快速的形成与发展。本文基于我国近40年进出口总额年度数据，通过对数据特征进行分析。采用两参数指数平滑法与ARIMA模型对进出口总额进行分析及预测。并对模型进行了相关检验，由此来考虑模型的可行性及拟合效果的优良性。最后通过模型预测结果与实际值的对比，计算各模型的平均相对误差。得出对近40年的进出口总额的年度数据拟合模型为ARIMA(5，2，0)。从而说明了时间序列模型在我国进出口预测中有较好的实用价值。
关键词：进出口总额；ARIMA；预测
一、研究目的与意义
在一个开放的经济中,对外贸易对经济增长的促进作用主要表现在出口额和进口额即贸易总额。因此准确预测我国的进出口总额对政府采取正确的贸易政策，制定相应的外汇储备结构，增强我国国际市场竞争力，提高我国企业应对外部变化的能力有着积极的促进作用。因此本文运用时间序列的建模方法，对过去40年的进出口总额的年度数据进行分析及建模预测，一方面通过分析了解我国进出口总额在过去年份变化趋势，对未来的进出口总额做一个模拟预测。另一方面基于这40年的进出口总额的年度数据，运用R语言学习时间序列分析中非平稳序列的建模。
二、研究方法
目前对于时间序列预测的方法主要有三种：时间序列的预测方法，计量模型的预测方法，BP神经网络法。本文采取的是时间序列预测方法，时间序列预测方法是一种历史资料延伸预测,是以时间数列所能反映的社会经济现象的发展过程和规律性,进行引伸外推,预测其发展趋势的方法。本文建模采取的是时间序列预测方法当中的Holt-Winters两参数指数平滑法与建立的ARIMA模型来进行未来短期内的进出口总额的预测。
三、文献综述
自从上世纪 50 年代以来，随着全球范围内资本的快速流动，信息技术和互联网技术的快速发展以及交通运输方式的不断改善，以及各国之间的贸易往来快速增加，国际间的生产和交换活动快速发展，国与国之间的贸易总量迅猛增长，进出口贸易的快速发展也促进了世界和各国经济的发展。进出口贸易的快速发展引起了国内外学者的广泛关注。将一琛（2010）结合 2001-2010 年我国进出口贸易的实际情况，对人民币年均汇率与进出口增长额之间关系运用基于 VAR 模型的脉冲响应函数进行实证分析，结果表明，人民币汇率变动对出口存在时滞效应且呈现上下波动变化，长期看波动的幅度有所减弱，而进口方面的冲击较为平稳。[5]张煜(2006)根据 1950—2002 年的我国的外贸进出口总额的年度数据，运用Eviews建立ARMA模型，进行时间序列分析，并对2003—2005 年的数据进行预测。运用ARMA（1,4,1）模型，很好的的解决了原序列非平稳建模问题，并且在短期预测方面有较高的精度。[2]李帅芳，王月芬(2013)，利用时间序列建模的方法对2008-2012年进出口总额年度数据建立了随机性分析和确定性分析的混合模型，该混合模型考虑了确定性分析与乘积，最后得出的混合模型拟合较好，并且说明时间序列方法对分析进出口总额具有一定的借鉴作用。[4]综上所述，本文基于1978年至2017年的年度数据，采用时间序列模型对该数据进行建模及预测分析。
四、数据来源及处理
（一）数据来源。本文所用数据来源于中华人民共和国国家统计局年度数据中对外经济模块的进出口总额(http://data.stats.gov.cn/easyquery.htm?cn=A01).通过时间筛选，确定选用1978年到2017年的进出口总额的年度数据。
（二）数据处理，从1978年开始我国进出口贸易总额呈现线性递增的趋势。从图中可以看出在2008-2009的进出口总额与整体的上升趋势不符合，整体是呈现下降趋势。这与2008年在中国发生的几件大事相关：2008年我国举办世界瞩目的奥运会，让世界各国更加全面的认识我国，但是也是同一年中国发生汶川地震，美国2007年发生的金融危机在2008年开始对中国产生影响。作为中国最大的贸易输出国的美国，受到次贷危机的影响经济增长速度放缓，出口增长的减速远远超过预期。中国银行经济效益增长出现困难，中国在那两年经济放缓已成为大势所趋，出口及固定资产投资都出现下跌。由时序图由明显的上升趋势和自相关系数图前一部分自相关系数为正，后一部分为负，由明显的相关性，可以判断该序列非平稳。
表1 原序列的纯随机性检验
原序列纯随机性检验
X
DF
P值
134.66
6
0
150.98
12
0
由表1 右边结果可知，对原序列采用Ljing-Box统计量对原序列进行纯随机性检验，得到延迟6阶与延迟12阶的P值都是小于显著性水平α=0.05。所以该序列拒绝为纯随机性的原价设，所以我们认为该序列的波动是有统计规律可行的。综上结果原序列是一个非白噪声且不平稳的序列。对于时间序列的建模是建立在平稳序列的基础上的，所以按照时间序列分析的处理方法，接下来对原序列进行差分处理。经过2阶差分处理，增长的趋势被提取。由二阶差分的时序图与自相关图可以的出二阶差分序列平稳。
表2 2阶差分后序列的纯随机性检验
二阶差分序列随机性检验
X
DF
P值
13.52
6
0.035
17.52
12
0.041
由表1 右边结果可知，对原序列采用Ljing-Box统计量对1阶12步差分序列进行纯随机性检验，得到延迟6阶与延迟12阶的P值都是小于显著性水平α=0.05。所以拒绝2阶差分后的序列拒绝为纯随机性的原价设。综上结果2阶差分后的序列是一个非白噪声且平稳的序列。可以对该序列进行时间序列建模。
五、实证分析
(一)建立模型，样本自相关系数除0阶均没有明显超过两倍标准差范围。则说明自相关系数是截尾的。同样由图6的偏自相关图可以看出，0-5阶偏自相关系数是显著大于2倍标准差，表明差分后该序列具有短期的自相关性，是拖尾的。由于自相关图与偏自相关图都无法对模型进行定阶，所以接下来对该数据进行尝试性建模。由于原序列是一个进出口总额的年度数据，明显含有递增趋势。
期刊文章分类查询,尽在期刊图书馆故建立ARIMA（5，2，0）模型拟合结果与参数检验结果如下：
表3 ARIMA（5，2，0）模型拟合与参数检验结果
ar1
ar2
ar3
ar4
ar5
-0.6671
-0.7676
-0.5035
-0.3934
-0.4252
s.e.
0.1537
0.1806
0.2050
0.1802
0.1485
AIC= 840.4042,以上表3列出了ARIMA（5，2，0）模型拟合结果与模型参数的显著性检验结果。由上面两表结果可知模型的参数在显著性水平0.05下都是显著的，模型整体也是显著的。
表4 白噪声检验
白噪声检验
X
DF
P值
1.2509
6
0.9743
5.6139
12
0.9343
该序列残差通过白噪声检验，残差为纯随机序列。
ARIMA（5，2，0）模型预测结果及预测趋势图如下
表5 ARIMA（5，2，0）模型预测结果 单位：亿元
时间
2018
2019
2020
2021
2022
进出口额
288203.7
291297.5
303363.4
305684.1
305193.4
六、结论
本文通过对1978年至2017年进出口总额的年度数据运用间序列的方法，对其建模进行预测研究。无论是ARIMA（5，2，0）模型还是两参数指数平滑模型所得到的预测结果都是理想的，两种模型的结论没有差别不大。综上所述借助R软件，利用时间序列的建模方法我们可以很好的对进出口总额进行预测。
参考文献
[1]张家颖,龚玉策.基于时间序列方法我国2005年进出口总额预测分析[J].广东白云学院学刊,2005(2):59-63.
[2]张煜.基于ARMA模型的我国外贸进出口总额的时间序列分析[J].当代经理人,2006(21):1421-1422.
[3]刘鑫.基于ARMA模型的我国一般贸易进出口额的时间序列分析[J].统计与咨询,2009(4):20-21.
[4]李帅芳,王月芬.时间序列分析在浙江省进出口总额中的应用[J].特区经济,2013(8):215-216.
[5]将一琛.人民币汇率变动对进出口贸易的影响研究[D].浙江财经金融学院,2011..
作者简介：孙利鹏（1993.02—），男，辽宁鞍山人，硕士研究生，云南财经大学统计与数学学院，研究方向：数据分析。
论文作者:孙利鹏
论文发表刊物:《知识-力量》2019年11月51期
论文发表时间:2019/12/6
标签：序列论文; 模型论文; 进出口总额论文; 时间论文; 数据论文; 建模论文; 随机性论文; 《知识-力量》2019年11月51期论文;