有色金属行业与宏观经济数据分析预测范文

本站小编为你精心准备了有色金属行业与宏观经济数据分析预测参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

摘要：根据国家统计局资料，选取有色金属冶炼与压延加工主营收入、铜材产量、铝材产量与公开的宏观统计数据GDP、M2、全社会固定资产投资、工业增加值、全国电网投资规模、建筑业GDP、空调产量、汽车产量；分析选取经济数据与有色行业数据之间的相关性，相关性系数在[0.95，1]区间，呈高度正相关。

关键词：有色金属冶炼压延加工主营收入；铜材；铝材；宏观经济数据；相关性

1宏观经济数据与部分有色金属行业数据选取

根据国家统计局资料，提取2000-2018年宏观经济数据：国内生产总值GDP、广义货币供应量M2、全社会固定资产投资额、工业增加值、有色金属冶炼与压延加工主营收入、建筑业GDP等数据；根据WIND数据，取2000-2018年铜材、铝材产量数据；根据国家能源局公布信息，取2003-2018年全国电网投资规模数据（国家电网预2002年12月成立）；以及根据相关公开统计数据资料，取2000-2018年空调、汽车产量等行业数据进行组合分析，对相关性及显著性进行用Pearson函数和Correl函数进行分析。

2宏观经济数据、有色金属行业数据的相关性、偏相关分析、回归分析

相关性分析是指对两个或多个具备相关性的变量元素进行分析，从而衡量两个变量因素的相关密切程度。相关性元素之间需要存在一定的联系或者概率才可进行相关性分析。相关系数通常是根据样本数据计算出来的。由于样本是随机性的，相关系数是一个随机变量，其取值具有一定的偶然性。依次将有色金属冶炼与压延加工主营收入和GDP总值、M2增加值、全社会固定资产投资、工业增加值数据做相关性分析。

2.1有色金属冶炼与压延加工主营收入与选取宏观经济数据分析

（1）相关性分析：从相关性分析的结果看出，有色金属冶炼与压延主营收入和GDP之间的相关系数为0.975；表明二者之间存在高度正相关。双侧显著性值为0.000＜0.01，表明在0.01的显著性水平上否定了两者间的不相关假设。同理，有色金属冶炼与压延主营收入和M2增量、工业增加值、全社会固定资产投资额之间的相关系数为0.965、0.980.、0980，且双侧显著性值均为0.000＜0.01；表明在0.01的显著性水平上均否定了两者间的不相关假设。（2）偏相关分析：在计算相关性时，只需要考虑两个变量的观测数据，并不用考虑其他变量对这两个变量可能产生的影响。然而，在多变量的情况下，变量之间的相关关系复杂；因此多元相关分析除了要利用简单相关系数外，还要计算偏相关系数。国内生产总值与M2偏相关系数为0.949，说明两者高度正相关；M2与全社会固定资产投资偏相关系数为0.956，说明两者高度正相关；“全社会固定资产投资”与“工业增加值”偏向关系数为0.500，且显著性P值为0.035＞0.01；结合偏相关系数可知，有色金属冶炼与压延主营收入相关性最高的为全社会固定资产投资。

2.2铜材产量与选取宏观经济数据分析

（1）相关性分析：铜材产量与GDP总值、M2增加值、全社会固定资产投资、工业增加值、电网投资规模、空调产量之间的相关性系数分别为0.989、0.986、0.993、0.981、0.962、0.963，高度正相关。（2）偏相关分析：铜材产量偏相关度较高的为全社会固定资产投资、电网投资规模、GDP总值，分别为0.777、0.475、0.342。根据显著性检验，全社会固定资产投资P值为0.005＜0.01，结合偏相关系数可知，铜材产量与全社会固定资产投资相关性最高。

2.3铝材产量与选取宏观经济数据分析

（1）相关性分析：铝材产量与GDP总值、M2增加值、全社会固定资产投资、工业增加值、建筑业GDP、汽车产量之间的相关性系数分别为0.968、0.971、0.988、0.956、0.968、0.973，高度正相关。（2）偏相关分析：铝材产量与GDP总值、M2增加值、全社会固定资产投资、工业增加值、建筑业GDP值、汽车产量的偏相关性分别为0.026、-0.035、0.156、-0.024、-0.033、0.049。根据显著性检验，全社会固定资产投资P值为0.005＜0.01，根据偏相关系数现实结果，铝材产量与选取的宏观经济数据偏相关性较低。

3用时间序列模型对2019年数据预测

由于有色金属行业是周期性行业，其受宏观经济影响较大，传统上认为一些关系国家安全和国民经济命脉的行业，周期性行业本身就有根据经济周期进行轮回的特征，而我国经济更明显受到投资拉动的影响。同时，当有色金属的价格处于长期上涨趋势的时候，那么相关的有色金属的上市公司的业绩就一定比较好，而当有色金属的价格长期处于下跌趋势的时候，那么相关有色金属的上市公司的业绩就会受到很大的影响。在周期性行业中，对有色金属行业的相关因素进行研究，包括宏观经济、上下游企业等。（1）时间序列模型时间序列模型表示随时间变化的y之间的相互依赖性与相关性，适用于预测未来一段时间内y的变化情况。常用时间序列模型：自回归（AR）模型——（适用于周期性，也适用于周期递增）、移动平均（MA）模型、自回归移动平均模型（ARMA）模型——（分析平稳非白噪声序列）、自回归积分滑动平均（ARIMA）模型——（非平稳时间序列）。（2）ARIMA模型对2019年有色金属冶炼与压延主营收入、铜材、铝材产量进行预测（3）再用2018年数据对模型拟合度进行检验：根据已创建的模型，分别将2000-2017年有色金属冶炼与压延加工主营收入、铜材产量、铝材产量数据代入模型，预测出一组2018年数据；由于2018年实际值已知，将2018年预测值与实际值进行对比，计算相对误差大小，暂不考虑模型预测中原材料价格波动、政策原因、自然原因等因素影响。由结果可知：2018年主营收入、铜材产量、铝材产量预测值与实际值的误差分别为-3.77%、-0.71%、-5.32%；2019年预测数据的变动存在着相同趋势性、周期性、随机性情况下，预测数据拟合度高。

4根据回归模型进行2019年预测

回归模型表示因变量y（目标）与自变量x（预测因子）之间的相关性，即一个或多个自变量对一个因变量的影响程度，适合于给定新的x来预测y的情形。由表2数据可知，“有色金属冶炼与压延加工主营收入”与“全社会固定资产投资”相关性高，而“全社会固定资产投资”与“GDP总值”相关性高。根据GDP增速根据公式计算2019年GDP总值。国家统计局、国务院发展研究中心对2019年给出的预测数据：实际GDP增长率为6.30%，CPI为2.2%，PPI为3.6%，估算名义GDP为9.38%，推出2019年GDP规模为984757亿元。计算公式：实际GDP增长率=[（1+名义GDP增长率）÷（1+本地平均物价指数升幅）×100%]-1。由“GDP名义增长率”，预测2019年有色金属冶炼与压延加工主营收入、铜材产量、铝材产量。结合表2中GDP产值与有色金属冶炼与加工主营收入、铜材产量、铝材产量的相关性。将GDP产值作为自变量，将有色金属冶炼与压延加工主营收入、铜材产量、铝材产量的作为因变量，分别做出GDP产值与有色金属冶炼与压延加工主营收入、GDP产值与铜材产量、GDP产值与铝材产量三组趋势线函数；同时考察趋势线函数的对已知自变量、因变量的拟合程度。（1）有色冶炼与压延主营收入与GDPy=-6E-08x2+0.1374x-15190（2）铜材产量与GDPy=-9E-10x2+0.0029x-61.859（3）铝材产量与GDPy=-3E-09x2+0.0103x-1173.2由三组趋势线函数的R方可知，拟合程度指标分别为0.9749、0.9847、0.9381，趋势函数对自变量、因变量的拟合程度高，将预测的2019年GDP作为自变量代入函数，根据函数式得出因变量结果：

5结论

选取有色金属行业与宏观经济数据相关性：（1）有色金属冶炼与压延加工主营收入与GDP、M2、全社会固定资产投资、工业增加值之间的相关性系数分别为0.975、0.965、0.980、0.980，高度正相关。（2）铜材产量与GDP、M2、全社会固定资产投资、工业增加值、电网投资规模、空调产量之间的相关性系数分别为0.989、0.986、0.993、0.981、0.962、0.963，高度正相关。（3）铝材产量与GDP总值、M2增加值、全社会固定资产投资、工业增加值、建筑业GDP、汽车产量之间的相关性系数分别为0.968、0.971、0.988、0.956、0.968、0.973，高度正相关。在做模型预测时，也可选取其他宏观经济数据，如：工业企业利润、货币总量、社会融资总量、货物进出口、分行业全社会固定资产投资、社会零售总额等进行分析。同时可适当分配各数据对行业的影响权重，研究经济数据间的相互关系。

参考文献

[1]周亚男，赵琳，李玲娜.进出口贸易与GDP相关性的实证分析[J].商情.2013，第47期

[2]杨蔚，李维.我国对外贸易与经济增长的相关性实证研究[J].价值工程.2008，第5期

[3]姜茜，李荣林.我国对外贸易结构与产业结构的相关性分析[J].经济问题.2010，第5期

[4]齐银才.固定资产投资与经济增长相关性实证研究[J].武汉理工大学学报.2011，第33卷第2期

作者：盛文 邹建成 袁雪华 安柯 单位：北京安泰科信息股份有限公司