綜合運(yùn)用互聯(lián)網(wǎng)大數(shù)據(jù),豐富外貿(mào)預(yù)測數(shù)據(jù)來源,對提升外貿(mào)監(jiān)測預(yù)警分析能力,提高決策的針對性、科學(xué)性和時效性具有重要意義。本文基于鋼鐵行業(yè)相關(guān)文獻(xiàn)研究,從闡述互聯(lián)網(wǎng)大數(shù)據(jù)對中國鋼鐵出口值預(yù)測作用機(jī)制出發(fā),基于百度搜索數(shù)據(jù)和中國鋼鐵出口值的月度數(shù)據(jù),建立引入互聯(lián)網(wǎng)大數(shù)據(jù)的SVR回歸預(yù)測模型對中國鋼鐵出口值進(jìn)行預(yù)測,并與傳統(tǒng)時間序列模型進(jìn)行對比分析。實(shí)證表明:引入互聯(lián)網(wǎng)大數(shù)據(jù)樣本進(jìn)行鋼鐵出口預(yù)測時,SVR模型預(yù)測效果明顯優(yōu)于其他對比模型;基于互聯(lián)網(wǎng)大數(shù)據(jù)建立的SVR預(yù)測模型可以更好地逼近真實(shí)值的波動,能夠更加準(zhǔn)確地對鋼鐵出口值進(jìn)行預(yù)測,為外貿(mào)進(jìn)出口監(jiān)測預(yù)警提供應(yīng)用方法參考。 

【文章來源】：價格理論與實(shí)踐. 2020,(07)北大核心

【文章頁數(shù)】：4 頁

【部分圖文】：

可知，鋼鐵出口市場預(yù)期是影響出口鋼鐵值變化的重要方面，而通過互聯(lián)網(wǎng)大數(shù)據(jù)能夠在圖1互聯(lián)網(wǎng)大數(shù)據(jù)對鋼鐵出口值的預(yù)測作用機(jī)理

鐵出口預(yù)測實(shí)證結(jié)果分析由于支持向量機(jī)回歸模型涉及的參數(shù)較多且防止參數(shù)出現(xiàn)過擬合問題，本文經(jīng)過分析選用sig-moid核函數(shù)，基于R語言的e1071函數(shù)包中的SVR算法，利用5折交叉驗(yàn)證法，搜索最優(yōu)的懲罰因子cost,核參數(shù)gamma、損失函數(shù)的參數(shù)epsilon的參數(shù)值。令cost的值區(qū)間范圍為[-2e10,2e10]，cost和gamma的步長分別為2和0.002，經(jīng)過多次測算，篩選出了平均絕對百分誤差（MAPE）為95%以上的參數(shù)組合，最終確定Cost值為1000，gamma值為0.01，epsilon值為0.01。將訓(xùn)練樣本輸入到模型1-4中進(jìn)行運(yùn)算后，得到訓(xùn)練效果圖如圖2、圖3。由圖2可知，加入互聯(lián)網(wǎng)大數(shù)據(jù)的鋼鐵出口值SVR預(yù)測模型1在訓(xùn)練集中擬合性表現(xiàn)良好，幾乎與真實(shí)值同步變化，預(yù)測誤差校與之對應(yīng)的未加入互聯(lián)網(wǎng)大數(shù)據(jù)的SVR預(yù)測模型2在訓(xùn)練集中擬合性表現(xiàn)不如模型1優(yōu)秀，但是基本會與真實(shí)值同頻變化，預(yù)測誤差相對較校也就是說，加入互聯(lián)網(wǎng)大數(shù)據(jù)后使得鋼鐵出口值SVR預(yù)測模型訓(xùn)練效果更好。由圖3可知，加入互聯(lián)網(wǎng)大數(shù)據(jù)的ARIMA預(yù)測模型3在訓(xùn)練集中訓(xùn)練效果表現(xiàn)明顯不如SVR預(yù)測模型，其表現(xiàn)為僅能與真實(shí)值保持相對一致的變化，預(yù)測誤差較大，特別在鋼鐵出口值波動明顯的月份，預(yù)測值不能夠及時有效地發(fā)現(xiàn)真實(shí)值的波動。同樣，與之對應(yīng)的未加入互聯(lián)網(wǎng)大數(shù)據(jù)的ARIMA模型4在訓(xùn)練集中擬合性表現(xiàn)不如模型3，幾乎只能按照真實(shí)值的平均值上下小幅度波動，預(yù)測誤差相對較大。綜合圖2和3的結(jié)果可知，在引入互聯(lián)網(wǎng)大數(shù)據(jù)進(jìn)行小樣本預(yù)測時SVR訓(xùn)練效果比ARIMA模型表現(xiàn)更好，而引入互聯(lián)網(wǎng)大數(shù)據(jù)則會使得SVR模型訓(xùn)練預(yù)測效果更好。下文分別根據(jù)訓(xùn)練集形成的模型1-4對2019年6-11月中國鋼鐵出口值（預(yù)測集）進(jìn)行預(yù)測，4個模型的預(yù)測誤差如表1。由表1可知：模型1的平均絕對百分誤差

讜げ饈抵そ峁?治?由于支持向量機(jī)回歸模型涉及的參數(shù)較多且防止參數(shù)出現(xiàn)過擬合問題，本文經(jīng)過分析選用sig-moid核函數(shù)，基于R語言的e1071函數(shù)包中的SVR算法，利用5折交叉驗(yàn)證法，搜索最優(yōu)的懲罰因子cost,核參數(shù)gamma、損失函數(shù)的參數(shù)epsilon的參數(shù)值。令cost的值區(qū)間范圍為[-2e10,2e10]，cost和gamma的步長分別為2和0.002，經(jīng)過多次測算，篩選出了平均絕對百分誤差（MAPE）為95%以上的參數(shù)組合，最終確定Cost值為1000，gamma值為0.01，epsilon值為0.01。將訓(xùn)練樣本輸入到模型1-4中進(jìn)行運(yùn)算后，得到訓(xùn)練效果圖如圖2、圖3。由圖2可知，加入互聯(lián)網(wǎng)大數(shù)據(jù)的鋼鐵出口值SVR預(yù)測模型1在訓(xùn)練集中擬合性表現(xiàn)良好，幾乎與真實(shí)值同步變化，預(yù)測誤差校與之對應(yīng)的未加入互聯(lián)網(wǎng)大數(shù)據(jù)的SVR預(yù)測模型2在訓(xùn)練集中擬合性表現(xiàn)不如模型1優(yōu)秀，但是基本會與真實(shí)值同頻變化，預(yù)測誤差相對較校也就是說，加入互聯(lián)網(wǎng)大數(shù)據(jù)后使得鋼鐵出口值SVR預(yù)測模型訓(xùn)練效果更好。由圖3可知，加入互聯(lián)網(wǎng)大數(shù)據(jù)的ARIMA預(yù)測模型3在訓(xùn)練集中訓(xùn)練效果表現(xiàn)明顯不如SVR預(yù)測模型，其表現(xiàn)為僅能與真實(shí)值保持相對一致的變化，預(yù)測誤差較大，特別在鋼鐵出口值波動明顯的月份，預(yù)測值不能夠及時有效地發(fā)現(xiàn)真實(shí)值的波動。同樣，與之對應(yīng)的未加入互聯(lián)網(wǎng)大數(shù)據(jù)的ARIMA模型4在訓(xùn)練集中擬合性表現(xiàn)不如模型3，幾乎只能按照真實(shí)值的平均值上下小幅度波動，預(yù)測誤差相對較大。綜合圖2和3的結(jié)果可知，在引入互聯(lián)網(wǎng)大數(shù)據(jù)進(jìn)行小樣本預(yù)測時SVR訓(xùn)練效果比ARIMA模型表現(xiàn)更好，而引入互聯(lián)網(wǎng)大數(shù)據(jù)則會使得SVR模型訓(xùn)練預(yù)測效果更好。下文分別根據(jù)訓(xùn)練集形成的模型1-4對2019年6-11月中國鋼鐵出口值（預(yù)測集）進(jìn)行預(yù)測，4個模型的預(yù)測誤差如表1。由表1可知：模型1的平均絕對百分誤差表1模

【參考文獻(xiàn)】：
期刊論文
[1]基于外匯輿情的人民幣匯率波動預(yù)測研究[J]. 成舟,余崢,過弋,王志宏.  計算機(jī)科學(xué). 2019(S2)
[2]基于小波變換和DGM（2,1）的我國鋼鐵產(chǎn)量預(yù)測[J]. 王艷,徐小梅.  江蘇建筑職業(yè)技術(shù)學(xué)院學(xué)報. 2019(03)
[3]基于文本挖掘和百度指數(shù)的匯率預(yù)測[J]. 楊超,姜昊,雷崢嶸.  統(tǒng)計與決策. 2019(13)
[4]基于灰色系統(tǒng)理論的我國鋼鐵產(chǎn)業(yè)與GDP關(guān)系研究[J]. 王貴成,賀振,高俊麗.  礦冶工程. 2019(02)
[5]去產(chǎn)能背景下我國鋼鐵價格走勢研究——基于鋼鐵行業(yè)供給側(cè)結(jié)構(gòu)性改革成效的分析[J]. 賈帥帥,孫輝.  價格理論與實(shí)踐. 2017(09)
[6]“一帶一路”戰(zhàn)略能夠化解我國過剩的鋼鐵產(chǎn)能嗎——基于時變參數(shù)向量自回歸模型平均的預(yù)測[J]. 倪中新,盧星,薛文駿.  國際貿(mào)易問題. 2016(03)
[7]基于內(nèi)存計算的鋼鐵價格預(yù)測算法研究[J]. 朱靖翔,張濱,樂嘉錦.  計算機(jī)科學(xué). 2014(S2)
[8]基于MVC3架構(gòu)的基建進(jìn)度管理系統(tǒng)設(shè)計與實(shí)現(xiàn)[J]. 羅長亮,范學(xué)宏.  低碳世界. 2014(15)
[9]大數(shù)據(jù)時代銀行業(yè)應(yīng)對策略[J]. 張建國.  中國金融. 2014(15)
[10]基于PSA-SVRM模型的鋼鐵企業(yè)副產(chǎn)煤氣消耗量預(yù)測[J]. 楊波.  過程工程學(xué)報. 2014(03)



本文編號：3391837