【《基于ARIMA模型的青椒价格保险的目标价格预测案例分析》1700字】

基于ARIMA模型的青椒价格保险的目标价格预测案例分析（一）可保性分析不是所有的风险都具有可保性，只有在风险满足不确定性、可计量性、随机性以及同质性等保险公司承保技术要求后才能被保险公司接受。农产品交易价格容易受到市场供求关系影响，同时突发事件也会导致农产品价格发生较大波动，且突发事件的发生几乎不可预测，具有一定的随机性。同时，青椒价格的波动具有季节性和周期性的特点，这就使得青椒的价格具有一定预测性，满足可计量性的条件，具有可保性。本文选取2011年1月-2021年1月青椒月度平均交易价格进行分析。由图2可知，2011年-2021年青椒价格在去除季节性因素后仍处于不断变动的状态。且通过计算可知其变异系数为18.54%，证明其市场风险较高。运用H-P滤波法剔除长期趋成分后，由图3可以看出青椒价格呈周期性上下波动的特征。而且从其波动性来看，青椒价格的波动周期时间跨度不均，且波动幅度逐渐增大。证明其价格受到供求关系、季节因素以及突发事件的影响，满足可保性条件。图22011-2021年青椒价格波动曲线图32011年-2021年青椒价格趋势与周期序列分解图（二）ARIMA模型的构建1.数据的平稳性检验与白噪声检验本文以青椒为例，选取2011年1月-2021年1月青椒的月度交易价格为原始数据，对其价格取对数以消除异方差，同时用X-12法剔除季节性因素对价格的影响。ADF检验p值为0.2579，该数据序列非平稳。遂采用差分法将非平稳时间序列变为平稳时间序列，如图4可知，p=0.0000，一阶差分序列为平稳时间序列，即ARIMA（p，d，q）模型中的d值取1。图4一阶差分价格序列单位根检验2.ARMA模型的识别与建立AC图和PAC图分别确定ARIMA模型的q值和p值。根据图5、图6可知，AC图和PAC图都在一阶开始就快速收敛到标准差之内，该模型的p值和q值都为1。图5自相关检验图图6偏自相关检验图3.模型参数显著性检验和白噪声检验在以上分析的基础上建立ARIMA(1,1,1)，如图7可知，其参数对应p值都小于0.05，也就是说参数在5%水平显著，参数显著性检验通过。图7ARIMA(1,1,1)在一个标准的检验流程中，正常情况下，残差应该为平稳序列。因此对残差的平稳性进行检验。如图8可知，p=0.0000，可知残差为平稳时间序列。图8残差平稳性检验接下来对残差项是否存在白噪声进行检验。用Q统计量进行白噪声（whitenoise）检验。通过对白噪声检验可知模型的有效性拟合效果较好（图9）。图9白噪声检验4.基于ARIMA模型进行预测基于ARIMA（1，1，1）模型对青椒价格进行预测，进一步分析用该办法确定目标价格的合理性。图10表明了样本内预测的结果。蓝色实线表示原始值拟合线，红色实线表示预测值拟合线。从图中可以看出原始值与预测值虽然并没有完全重合，但是其变化趋势相同而且其差距很小。因此可以证明用该方法对价格进行预测是可行的。在此基础上对未来一期青椒价格进行预测，如图11所示。图10样本内预测拟合图图11样本外预测拟合图ARIMA模型通过预测青椒下一期的价格为目标价格的确定提供了一种新的方式。但该方法同时也存在一定的缺陷。由于该模型在进行价格预测时采用的是历史数据，导致该方法预测到的价格只是基于过去价格波动特点进行的一种预测并不能精准预测到突发事件发生时价格走势。本文利用青椒月度平均交易价格历史数据对2019年、2020年青椒月度价格进行预测，并与实际交易价格进行比较。表5数据表明用该方法对2019年青椒月度交易价格进行预测较为准确，其真实价格与预测价格的差异全都控制在10%以内，但是2020年真实价格与预测价格之间差异较大，最高差异达到63.79%（见表6），此时预测价格参考性较低。表52019年青椒月度交易价格差异表2019年1月2月3月4月5月6月7月8月9月10月11月12月真实价格4.295.876.846.345.053.743.663.163.273.463.413.98预测价格4.015.566.516.795.514.063.443.513.013.233.413.675差异6.98%5.58%5.07%-6.63%-8.35%-7.88%6.40%-9.97%8.64%7.12%0.00%8.30%表62020年青椒月度交易价格差异表2020年1月2月3月4月5月6月7月8月9月10月11月12月真实价格5.376.836.445.764.273.834.013.944.445.175.146.59预测价格4.134.174.184.194.24.24.214.224.224.234.234.24差异30.02%63.79%54.07%37.47%1.67%-8.81%-4.75%-6.64%5.21%22.22%21.51%55.42%由以上分析可知在对价格进行预测时不能完全依赖历史数据，还要考虑突发事件的影响。在本文中，对青椒市场交易价格进行预测时，加入疫情指数环比增长率、新冠疫情对农产品价格的边际影响这两个变量。疫情指数是指当日累计确诊、现有重症、新增