基于ARIMA模型的国际粮食短期价格分析预测——以大豆为例.docx

基于ARIMA模型的国际粮食短期价格分析预测——以大豆为例
随着粮食市场化的发展，国际粮食价格成为影响全球粮食供应和需求的重要因素，因此对粮食价格的研究具有重要的意义。本文以大豆的国际价格为研究对象，运用ARIMA模型进行短期价格分析预测。
一、数据来源和预处理
本文采用的是大豆的国际市场报价数据，数据源来自于美国农业部，数据覆盖了2010年到2021年的每日交易价格。为了更好的进行预测分析，本文首先进行了数据预处理。
1.1数据平稳性检验
通常情况下，时间序列模型对时间序列数据的平稳性有一定的要求。因此，首先需要检验原始数据的平稳性。本文采用ADF检验的方法进行检验，检验结果显示，原始数据序列不是平稳的，需要进行差分处理。
1.2差分处理
为了使得数据平稳，本文进行一阶差分处理。在一阶差分后，数据序列的ADF统计量值为-11.575，小于1%的显著性水平下的临界值所对应的数值，因此原始序列差分处理后变为平稳序列，可以进行后续的模型建立和预测分析。
二、建立ARIMA模型
2.1确定模型阶数
在确定ARIMA模型阶数时，需要利用ACF和PACF函数的图形分析。本文通过观察ACF和PACF图形的变化趋势，认为ARIMA(1,1,1)模型比较适合该数据，因为在一阶差分后，ACF函数第一个阶段的数值大约为0.5，PACF函数第一个阶段接近1。
2.2参数估计和模型检验
本文采用最大似然估计法对模型进行参数估计，并进行残差序列的检验。模型检验主要分为两个方面：
（1）残差序列的平稳性检验：本文使用ADF检验对模型的残差序列进行平稳性检验，检验结果显示残差序列是平稳的。
（2）残差序列的白噪声检验：本文采用Ljung-Box检验对模型的残差序列进行白噪声检验，检验结果显示残差序列不存在自相关性和异方差性，符合白噪声的条件。
三、短期价格分析预测
在完成模型的建立和检验后，本文对大豆的国际市场价格进行了短期预测分析。本文根据2010年到2021年的数据进行了训练，然后预测了2022年到2023年大豆国际市场价格的变化趋势。
根据ARIMA模型的预测结果，可以看出大豆的国际市场价格将会维持一个稳定的状态，在2022年到2023年间价格变化幅度不大，整体呈现平稳态势。
四、结论
本文运用ARIMA模型对大豆的国际市场价格进行了研究。通过差分处理，模型的建立和检验，本文得出了大豆国际市场价格的预测结果。预测结果表明，在未来的两年内，大豆的国际市场价格将会维持平稳，没有较大幅度的波动。但是，由于国际市场的变化影响价格的变化，因此实际情况可能会与预测结果有所不同。最后，需要更多的数据和更可靠的模型来进一步研究大豆的国际市场价格变化规律，为发展粮食市场提供有力支持。