賀清哲

摘 要：自改革開放以來，中國鋼材市場規(guī)模不斷擴(kuò)大、市場活躍度不斷增強(qiáng)。近幾年來，鋼材價(jià)格的波動(dòng)性問題也日益突顯，給鋼材行業(yè)的生產(chǎn)經(jīng)營者和消費(fèi)者帶來了不利的影響。據(jù)此，在對(duì)價(jià)格預(yù)測方法研究的基礎(chǔ)上，構(gòu)建了時(shí)間序列的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型，通過對(duì)鋼材價(jià)格的實(shí)證研究，對(duì)鋼材價(jià)格變化的預(yù)測得到了良好的效果。

關(guān)鍵詞：人工神經(jīng)網(wǎng)絡(luò)；價(jià)格預(yù)測

中圖分類號(hào)：F27

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：16723198（2015）23006502

1 引言

中國是鋼鐵大國，鋼鐵產(chǎn)業(yè)在我國市場經(jīng)濟(jì)體系中占有重要的地位。中國的鋼鐵產(chǎn)業(yè)仍在穩(wěn)步的前進(jìn)，但是在發(fā)展的過程中也遇到了挑戰(zhàn)。由于國際間貿(mào)易額的不斷增長以及產(chǎn)業(yè)結(jié)構(gòu)的不斷調(diào)整，加之國內(nèi)國外復(fù)雜的環(huán)境，我國鋼鐵產(chǎn)業(yè)供求失衡、價(jià)格波動(dòng)等情況時(shí)有發(fā)生。鋼鐵價(jià)格的下降，造成企業(yè)獲利空間明顯下降，人們也認(rèn)識(shí)到鋼鐵價(jià)格預(yù)測的必要性。對(duì)鋼鐵產(chǎn)品價(jià)格較準(zhǔn)確的預(yù)測能幫助鋼鐵企業(yè)把握市場先機(jī)，合理控制生產(chǎn)，提高經(jīng)濟(jì)效益。

2 價(jià)格預(yù)測方法研究

隨著社會(huì)的不斷向前發(fā)展，針對(duì)商品價(jià)格進(jìn)行預(yù)測的活動(dòng)越來越廣泛，價(jià)格預(yù)測研究已得到了一定的成果。根據(jù)價(jià)格預(yù)測原理不同，大致可分為定性預(yù)測、定量預(yù)測和智能預(yù)測方法。

2.1 定性預(yù)測方法

所謂定性預(yù)測方法，是指人們憑借知識(shí)和經(jīng)驗(yàn)，在對(duì)現(xiàn)有信息分析的基礎(chǔ)之上，對(duì)未來的發(fā)展趨勢(shì)做出大致的判斷。常見的定性預(yù)測方法有德爾菲法、主觀概率法、情景預(yù)測法等。

2.2 定量預(yù)測方法

定量預(yù)測法是根據(jù)已經(jīng)掌握的比較詳備的統(tǒng)計(jì)數(shù)據(jù)，通過科學(xué)的方法對(duì)數(shù)據(jù)進(jìn)行加工與處理，借以揭示有關(guān)變量之間的聯(lián)系，對(duì)事物未來發(fā)展變化情況做出預(yù)測和推測。常見的有時(shí)間序列預(yù)測法和因果關(guān)系預(yù)測法兩大類。

2.3 智能預(yù)測方法

所謂的智能預(yù)測方法就是運(yùn)用智能信息處理的理論與方法，進(jìn)行信息分析預(yù)測的體系。近幾年在價(jià)格預(yù)測方面，應(yīng)用比較廣泛的智能方法有人工神經(jīng)網(wǎng)絡(luò)、遺傳算法、粗糙集、小波分析等。登文，蔣紅妍等（2010）將人工神經(jīng)網(wǎng)絡(luò)應(yīng)用于建筑材料的預(yù)測中，對(duì)未來的價(jià)格預(yù)測做出預(yù)測，取得了很好的效果。賈振華，陳英杰等（2011）通過定性分析獲得石油價(jià)格變化影響因子，將重要影響因子輸入BP神經(jīng)網(wǎng)絡(luò)的，對(duì)石油價(jià)格進(jìn)行預(yù)測。侯普光等（2014）選取2001—2012年的山西省太原市房價(jià)數(shù)據(jù)為研究對(duì)象，將小波分析理論和ARMA模型相結(jié)合，實(shí)現(xiàn)太原市房價(jià)的預(yù)測。

3 BP神經(jīng)網(wǎng)絡(luò)

3.1 BP神經(jīng)網(wǎng)絡(luò)

典型的BP神經(jīng)網(wǎng)絡(luò)是一種具有三層或者三層以上結(jié)構(gòu)的無反饋的、層內(nèi)無互連結(jié)構(gòu)的前向網(wǎng)絡(luò)，其中首尾兩層分別稱為輸入層和輸出層，中間層為隱含層。在BP神經(jīng)網(wǎng)絡(luò)中，以3層感知器應(yīng)用最為普遍。

3.2 BP神經(jīng)網(wǎng)絡(luò)的單元處理模型

為不失一般性，同時(shí)便于將神經(jīng)網(wǎng)絡(luò)的處理單元解釋清楚，在此選取神經(jīng)網(wǎng)絡(luò)任意兩層介紹其處理單元的數(shù)學(xué)模型。L1層的n個(gè)處理單元全連接，連接權(quán)向量W={wij|i=1，2，…，n；j=1，2，…，p}，L1層到L2層的輸入向量為

X=（x1，x2，…，xn）T，L2層各個(gè)處理單元的閾值為θj，j=1，2，…，p，因此，L2層的各個(gè)處理單元接受的的輸入加權(quán)和為：

sj=ni=1xiwij-θj j=1，2，…，p（1）

L2層各個(gè)處理單元的輸出有轉(zhuǎn)移函數(shù)決定，BP神經(jīng)網(wǎng)絡(luò)通常采用Sigmoid函數(shù)作為轉(zhuǎn)移函數(shù)，Sigmoid函數(shù)的數(shù)學(xué)表達(dá)式為：

f（x）=11+e-x（2）

因此，L2各個(gè)處理單元的輸出為：

y=f（sj）=11+e-sj（3）

4 實(shí)證分析

4.1 數(shù)據(jù)選取

從2014年中國鋼鐵工業(yè)協(xié)會(huì)公布的數(shù)據(jù)中，鋼材的分類主要包括螺紋鋼、中厚板、角鋼、熱軋卷板、冷軋薄板、鍍鋅板、無縫管等幾種，在此本文以無縫管為例，介紹如何利用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行價(jià)格預(yù)測。

現(xiàn)在用1、2、3、4月份無縫管的價(jià)格預(yù)測5月份價(jià)格，用2、3、4、5月份的市場價(jià)格來預(yù)測第6月的價(jià)格，依此類推，最后用5、6、7、8月的市場價(jià)格預(yù)測9月的市場價(jià)。以此種方法，建立時(shí)間序列的神經(jīng)網(wǎng)絡(luò)預(yù)測模型。

4.2 網(wǎng)絡(luò)設(shè)計(jì)

4.2.1 神經(jīng)網(wǎng)絡(luò)參數(shù)

本文中基于BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型的隱含層神經(jīng)元激活函數(shù)使用Sigmoid函數(shù)，輸出層神經(jīng)元激活函數(shù)使用線性函數(shù)。設(shè)置學(xué)習(xí)精度設(shè)為=0.005。

4.2.2 神經(jīng)網(wǎng)絡(luò)層級(jí)設(shè)計(jì)

（1）輸入層和輸出層節(jié)點(diǎn)數(shù)：對(duì)鋼材價(jià)格進(jìn)行預(yù)測的模型的輸入層神經(jīng)節(jié)點(diǎn)及輸出層神經(jīng)節(jié)點(diǎn)數(shù)進(jìn)行設(shè)置。

（2）隱含層節(jié)點(diǎn)數(shù)：利用試湊法來解決最佳隱含層節(jié)點(diǎn)數(shù)問題，可以便于問題的處理，借助的公式為：

l1=n+m+q，l2=log2n，l2=mn

（其中，l為隱層節(jié)點(diǎn)數(shù)，n為輸入層節(jié)點(diǎn)數(shù)，m為輸出層節(jié)點(diǎn)數(shù)，q為1-10之間的常數(shù)）。

4.3 模型的訓(xùn)練及預(yù)測

運(yùn)用Matlab7.0提供的newff（）等函數(shù)，編制計(jì)算程序，運(yùn)行的學(xué)習(xí)精度滿足對(duì)預(yù)先設(shè)定的學(xué)習(xí)精度要求。對(duì)于預(yù)測結(jié)果存在的誤差，進(jìn)行統(tǒng)一的處理，誤差=（訓(xùn)練值-真實(shí)值）/真實(shí)值。

表2 模型的訓(xùn)練

時(shí)間/月56789

真實(shí)值0.5960.3570.2540.1650.000

訓(xùn)練值0.5910.3430.2400.1570.019

誤差%-0.840-3.921-5.511-4.8481.900

在對(duì)學(xué)習(xí)結(jié)果進(jìn)行研究，誤差最大的為7月份，誤差為0.0551；最小的為五月份誤差為0.0190。從對(duì)BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練的結(jié)果來看，學(xué)習(xí)結(jié)果是比較理想的，此神經(jīng)網(wǎng)絡(luò)可以作為一個(gè)成熟的模型，對(duì)未來的鋼材的價(jià)格進(jìn)行預(yù)測。

用訓(xùn)練成熟的BP神經(jīng)網(wǎng)絡(luò)，根據(jù)對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練時(shí)的模式，對(duì)未來幾個(gè)月的鋼材的價(jià)格進(jìn)行預(yù)測，也就是可以用6、7、8、9月份的價(jià)格預(yù)測10月份的價(jià)格，以此類推，預(yù)測未來四個(gè)月的價(jià)格。

5 結(jié)論與啟示

通過選擇鋼鐵行業(yè)為研究對(duì)象，分析鋼鐵價(jià)格的波動(dòng)規(guī)律，預(yù)測鋼鐵價(jià)格的未來走向，對(duì)于研究鋼鐵產(chǎn)業(yè)的規(guī)律具有重要的意義。

對(duì)于鋼材的生產(chǎn)者和消費(fèi)者來說，如何準(zhǔn)確的預(yù)測價(jià)格趨勢(shì)是一個(gè)難點(diǎn)問題。在對(duì)價(jià)格進(jìn)行預(yù)測的方法中，人工神經(jīng)網(wǎng)絡(luò)因具有適應(yīng)性強(qiáng)、容錯(cuò)能力好、非線性映射能力強(qiáng)等優(yōu)點(diǎn)，得到人們的廣泛的應(yīng)用。借助BP人工神經(jīng)網(wǎng)絡(luò)，我們可以在統(tǒng)計(jì)得到的歷史價(jià)格的基礎(chǔ)上，準(zhǔn)確的預(yù)測未來價(jià)格走勢(shì)，以此對(duì)生產(chǎn)經(jīng)營者和消費(fèi)者提供決策支持。

對(duì)于生產(chǎn)者來說，鋼材價(jià)格的下降，會(huì)給企業(yè)帶來一系列決策的調(diào)整。一方面，在單位勞動(dòng)成本不變的情況下，鋼材價(jià)格的下降，會(huì)使企業(yè)的盈利減少。另一方面，鋼材價(jià)格的下降，側(cè)面反映出經(jīng)濟(jì)結(jié)構(gòu)的調(diào)整。生產(chǎn)經(jīng)營者要想使企業(yè)取得長久的發(fā)展，需要不斷調(diào)整自己的內(nèi)外部結(jié)構(gòu)來適應(yīng)經(jīng)濟(jì)發(fā)展的規(guī)律。企業(yè)需減少對(duì)鋼材的資金投入，控制鋼材的產(chǎn)量，避免出現(xiàn)因產(chǎn)品滯銷造成大量庫存，導(dǎo)致資金無法回籠的情況，因此企業(yè)應(yīng)轉(zhuǎn)變自己的生產(chǎn)經(jīng)營模式，不斷地尋找新的盈利空間等。

對(duì)于消費(fèi)者來說，預(yù)測價(jià)格的變化趨勢(shì)能減少購買成本。鋼材價(jià)格的上漲必定引起購買成本的增加，因此購買者在購買鋼材時(shí)會(huì)希望自己的收益最大化。對(duì)鋼材價(jià)格的預(yù)測，可以減少消費(fèi)者在購買過程中的成本。比如，對(duì)于建筑公司來說，鋼材是必不可少的建筑材料，需要進(jìn)購大量的鋼材。為減少在訂購產(chǎn)品時(shí)的成本，建筑公司往往要和鋼材供應(yīng)商簽訂長期合同。如果能夠預(yù)測短期內(nèi)鋼材價(jià)格下降的變化趨勢(shì)，建筑公司在談判中就會(huì)充分考慮價(jià)格下降的因素，盡可能的減少合同簽訂后的成本。

在進(jìn)行預(yù)測的過程中，雖然BP神經(jīng)網(wǎng)絡(luò)應(yīng)用時(shí)也有著一定的缺陷，比如不易解釋，缺乏穩(wěn)健性，隱含層節(jié)點(diǎn)數(shù)依賴經(jīng)驗(yàn)等，但在一定程度上，它突破了傳統(tǒng)預(yù)測方法的許多局限性，在實(shí)踐中有著較為廣泛的應(yīng)用，是一種很有前景的預(yù)測方法。

參考文獻(xiàn)

[1]KantardzicM.數(shù)據(jù)挖掘：概念，模型，方法和算法[M].王曉海，吳志剛譯.北京：清華大學(xué)出版社，2013.

[2]登文，蔣紅妍，張子圓.基于BP神經(jīng)網(wǎng)絡(luò)的建筑工程造價(jià)快速預(yù)測[J].水利與建筑工程學(xué)報(bào)，2010，（6）：6162.

[3]陳建宏，永學(xué)艷，楊珊.基于時(shí)間序列模型的礦產(chǎn)品價(jià)格分析與預(yù)測[J].昆明理工大學(xué)學(xué)報(bào)，2009，34（6）：914.

[4]方雯，馮耕中.國內(nèi)外鋼材市場價(jià)格發(fā)現(xiàn)功能研究[J].系統(tǒng)理論工程與實(shí)踐，2013，（3）.

[5]賈振華，陳英杰.神經(jīng)網(wǎng)絡(luò)在石油價(jià)格預(yù)測中的仿真研究[J].計(jì)算機(jī)仿真，2011，（12）.

[6]魏正曦，邱玲.線性回歸分析法在工資預(yù)測中的應(yīng)用[J].計(jì)算機(jī)仿真，2014，（3）.