煤炭行业智能研究深度报告：基于机器学习方法的动力煤价格预测-20180727-申万宏源-17页-1mb

动力煤价格预测研究报告总结

核心内容

本报告基于机器学习方法对秦皇岛港动力煤Q5500平仓价进行预测，旨在提高煤炭行业价格预测的准确性，从而为煤炭股估值提供依据。报告探讨了两种监督学习算法——LASSO和高斯回归——在动力煤价格预测中的应用，并与传统的多元线性回归模型进行了比较。

主要观点

• 机器学习方法的优势：相较于传统的多元线性回归模型，LASSO和高斯回归在预测精度上表现更优，特别是在处理非线性、高维数据方面。
• 预测结果：8月份动力煤价格预测为下跌，与市场判断一致，主要原因是港口和电厂库存压力过高。高斯回归预测值为636.46元/吨，LASSO预测值为642.84元/吨。
• 模型优化：通过引入LASSO算法，可以有效减少解释变量数量，提高模型稳定性。高斯回归则通过贝叶斯思想和核函数建立输入与输出之间的非线性关系，适应性更强。
• 数据处理：数据统一为月度形式，通过标准化消除单位影响，确保模型的准确性。

关键信息

指标选取

• 宏观经济指标：包括M2-M1、PPI、工业增加值、PMI、1月国债到期收益率、10年国债到期收益率。
• 煤炭行业指标：包括秦皇岛港煤炭库存、东南沿海六大电厂库存、秦皇岛港锚地船舶数、海运费均值、六大电厂日耗煤量、东南沿海平均气温、动力煤产量、纽卡斯尔NEWC动力煤现货价、布伦特DTD原油现货价。

数据预处理

• 数据始于2011年1月，截至2018年7月，共91个样本数据。
• 数据分为训练集（2011年1月至2016年11月）和测试集（2016年12月至2018年7月）。
• 对数据进行中心化处理和标准化处理，以消除单位影响。

模型构建与优化

• 多元线性回归模型构建方程为：$S_{t + 1} = \boldsymbol{\beta}0 + \sum{i = 1}^{n} \boldsymbol{\beta}{i, t} x{i, t} + \varepsilon_t$。
• 使用方差膨胀因子（VIF）判断多重共线性，优化后选取部分显著变量。
• LASSO回归通过引入L1范数惩罚项，减少变量数量，提高模型稳定性。
• 高斯回归通过贝叶斯思想和核函数建立非线性关系，适应高维和非线性问题。

实证检验

• 使用滚动窗口法进行预测，结果表明两种机器学习算法的预测精度高于多元线性回归模型。
• 高斯回归的误差均值为3.07%，5%以内误差比例和涨跌幅命中率均为85%。
• LASSO回归的误差均值为3.49%，5%以内误差比例和涨跌幅命中率均为80%。
• 预测结果显示，8月份动力煤价格下跌，三季度均价预测为639.88元/吨。

投资建议

• 8月份动力煤价格预测为下跌，建议投资者关注市场动态，合理调整投资策略。
• 高斯回归的预测值为636.46元/吨，LASSO预测值为642.84元/吨，均显示价格将低于7月均价664元/吨。

不足与展望

• 数据量限制：月度数据样本较少，影响特征选择效果，未来可尝试混频时间序列模型。
• 显著性检验：LASSO和高斯回归缺乏显著性检验方法，仅能通过误差指标评估预测效果。
• 模型改进：未来可进一步优化模型，提升预测准确性和稳定性。

附录

• 图表：包括秦皇岛港动力煤价格走势、货币供给及价格指数、利率指标、煤炭库存、锚地船舶数、海运价格指数、日耗煤量与平均气温、NEWC与DTD价格、LASSO与高斯回归逻辑图等。
• 表格：包括指标选取与数据处理方法、回归结果与VIF值、测试集预测结果、三种方法预测效果对比等。

投资评级

• 股票投资评级：买入（相对强于市场20%以上）、增持（相对强于市场5%~20%）、中性（相对市场在-5%~+5%之间）、减持（相对弱于市场5%以下）。
• 行业投资评级：看好（行业超越市场）、中性（行业与市场持平）、看淡（行业弱于市场）。

法律声明

• 本报告仅供申万宏源研究客户使用，未经授权不得复制、分发或使用。
• 报告内容基于公开信息，不保证其准确性或完整性。
• 投资决策需考虑个人情况，不应仅依赖投资评级。