有色金属行业与宏观经济数据分析预测范文

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