1.中国石油对大盘影响的数据是怎么算出来的?有公式或者模型吗?

2.怎么用红利贴现模型或者比例模型来确定中国石油这只股票的价格啊,求高手解答

3.国外油气趋势预测研究现状

4.油气需求量变化趋势预测

5.全球石油价格多维分析

6.问题:请用AD-AS模型来分析石油危机所引发的短期经济波动。

7.农产品价格波动实证模型有哪些

石油 预测_石油价格预测模型

一、研究阶段

国内对油气趋势预测的研究可以分为起始阶段(20世纪80年代)、发展阶段(20世纪80年代至今),未来也将朝综合预测的方向发展。

(一)起始阶段

国内对油气发现趋势的预测研究始于20世纪80年代,中国科学院院士翁文波先生作出了开创性的工作。翁文波先生于年出版的专著《预测学基础》,认为任何都有“兴起—成长—鼎盛—衰亡”的自然过程,油气的发现也有类似的规律,基于此理论思想提出了泊松旋回(PoissonCycle)模型。该模型是我国建立的第一个预测油气田储量、产量中长期预测模型,通常称之为翁氏模型,可以对某一油区、国家或组织全过程的产量进行预测。翁先生于1991年出版了英文版本专著“Theory of Fore-casting”,该书将泊松旋回更名为生命旋回。此后,国内的相关研究机构和学者开展了大量的油气发现趋势的研究,由于统计分析与理论研究工作的深入,在预测模型的建立与应用方面,都取得了显著的成绩。

(二)发展阶段

以陈元千教授为代表继承并发展了翁先生的预测理论,并在油气田储量、产量预测及中长期规划方面得到了广泛应用。1996年,陈元千教授完成了翁氏模型的理论推导,并提出了求解非线性模型的线性试差法。由于原翁氏模型是在模型常数b为正整数时理论推导结果的特例,故将此结果称之为广义翁氏模型。此外,陈元千、胡建国、张盛宗等还提出了威布尔(Weibull)模型、胡—陈—张(HCZ)模型、胡—陈(HC)模型、对数正态分布模型、瑞利模型、广义I型数学模型以及广义Ⅱ型数学模型。黄伏生、赵永胜、刘青年提出了t模型,并由胡建国等完成推导。陈玉祥、张汉亚将经济学中的龚帕兹(Compertz)模型也应用于石油峰值问题的研究。

二、预测模型

综合对比国内外10多种关于石油峰值理论定量研究的模型,大体分为如下3类:基于生命有限体系的生命模型,如:哈伯特模型、广义翁氏生命旋回模型和龚帕兹模型;基于概率论和统计学理论的随机模型,如威布尔模型、对数正态分布模型、瑞利模型和t模型;基于生产实践和理论推理的广义数学模型,如HCZ模型、HC模型、广义I型数学模型和广义Ⅱ型数学模型。

三、研究实例

(一)我国石油储量、产量的趋势预测

1.石油地质储量的预测

国内不同机构或学者利用不同的方法对今后石油探明储量的增长趋势进行了大量的分析,普遍认为未来20年我国石油的年均探明地质储量为7×108~8×108t(表2-2-1)。

表2-2-1 我国石油探明地质储量预测对比表

其中,贾文瑞等用了翁氏生命旋回和费尔哈斯两种模型对今后石油探明储量的增长趋势进行分析。用翁氏生命旋回法测算1996~2010年预计可新增石油探明储量105×108t左右,即年均新增储量为7×108t左右,而且大概在2010年以后,年增探明储量将逐步明显降低。沈平平等人2000年预测2001~2010年中国石油年增探明储量的规模保持在6×108~7×108t。国家石化局预计“十五”期间石油年均新增储量6.44×108~6.9×108t,2006~2015年期间石油年均新增储量为7×108~7.3×108t。钱基在2004年预测,中国的新增石油储量峰值将在18~22年后到来,比美国晚50年左右。从一般含油气区的规律看,产量峰值期比储量峰值期滞后约15~20年。预计中国国内在储量峰值期到来前(2020年)将新增石油探明地质储量160×108~200×108t。张抗、周总瑛利用逻辑斯谛模型、经验趋势法和灰色系统模型预测了近中期我国石油储量增长情况,2001~2005年期间累计新增探明储量35×108~38×108t,2006~2010年期间累计新增探明储量32×108~35×108t。郑和荣、胡宗全2004年预测在未来的20年内每年可新增探明石油地质储量9×108t左右,共可探明石油地质储量180×108t左右。

《中国可持续发展油气战略研究》报告认为,我国石油尚有较大潜力,20年内(2005~2025)储量将稳定增长,发现石油可储量5000×104t以上大油田或油田群的可能性仍然存在。其中,东部地区石油储量增长基本稳定,年新增探明可储量0.6×108~0.8×108t,西部地区年新增探明石油储量可保持在0.5×108~0.6×108t左右。

2.石油年产量的预测

国内对我国石油产量的增长趋势也进行了大量的分析预测,总体认为产量高峰在2×108t左右,高峰出现时间在2010~2020年。

《中国石油发展战略研究》预测我国石油产量高峰期将在2015年前后达到2×108t左右。贾承造2000年预测我国石油产量高峰约1.7×108~2.1×108t左右,高峰值将出现在2010~2020年。

《中国可持续发展油气战略研究》报告预计未来20年石油产量将逐步形成西部和海上接替东部的战略格局,从而保持全国石油产量的稳定增长。预计到2010年,我国东部油区年产油0.89×108~0.96×108t,2020年产油0.76×108~0.85×108t;2010年,我国西部油区产量将上升到0.51×108~0.55×108t,2020年将上升到0.68×108~0.75×108t;预计2010年海域石油产量将上升到0.36×108~0.39×108t;2020年达到0.37×108~0.41×108t。2020年全国实现原油产量1.8×108~2.0×108t是有把握的。

国土部油气战略研究中心2003年预测,2005年我国原油产量1.75×108t,2010年原油产量1.8×108~1.9×108t,2015年原油产量1.8×108~2.0×108t,2020年原油产量1.7×108~1.9×108t。

(二)我国天然气储量、产量的趋势预测

张抗、周总瑛等在2000年总结了国内不同研究机构对中国近中期天然气储量与产量增长预测(表2-2-2、表2-2-3)。

表2-2-2 国内不同研究机构对中国天然气储量增长预测表 单位:1012m3

表2-2-3 国内不同研究机构对中国天然气产量增长预测表 单位:1012m3

李景明等根据1991年以来的天然气储量增长态势,综合考虑中国天然气地质条件和勘探前景,利用翁氏旋回法、龚珀兹法、历史趋势法等预测,2001~2015年共计可新增天然气可储量2.95×1012m3,年均增加可储量1839×108m3。按照2015年年产1000×108m3的产量方案计算,届时中国天然气的储比仍可保持在30∶1以上。天然气储量增长的主体仍然是7大盆地。

钱基预计到2020年,国内可以新增探明天然气地质储量8×1012~10×1012m3。

《中国可持续发展油气战略研究》报告认为,我国天然气比较丰富,正处于勘探早期阶段,大型气田将不断发现。估计2004~2020年共计可新增天然气可储量3.13×1012m3,年均增加可储量1839×108m3。到2020年底我国天然气可储量将达到5.6×1012m3。按照2020年年产1200×108m3的产量方案计算,届时我国天然气的储比仍可保持在25∶1以上。并预测国内天然气产量2010年达到800×108m3,2020年达到1200×108m3。

中国石油对大盘影响的数据是怎么算出来的?有公式或者模型吗?

成本推动型的通货膨胀

图中的PS为产品价格决定模型,WS即曲线为工资决定模型,简单的模型中

PS=(1+x)W ? 即产品的价格为工人单位工资的一定百分比,这个X就是加成,X可以表示为在其他条件不变的前提下其他原料的价格变化因素,比如石油价格的增加,就使得PS1变化到PS2,

但是工资的决定没有发生改变WS=P'*F(1-u) ?这里的P'为价格预期,有时候可以简单设为P即产品的价格,u为失业率

把两者合并就可以得到

P=P'(1+x)*F(1-u) ? 在其他条件不变的情况下,x的变化会直接推动价格的上涨,这里的x可以理解为原油的价格涨幅;

怎么用红利贴现模型或者比例模型来确定中国石油这只股票的价格啊,求高手解答

数据:

中石油占沪市权重15.9%;

对大盘贡献575点;

中石油每涨跌1%,影响大盘指数~6点;

中石油每涨跌1元钱,大盘变化32点。

计算模型——

1、计算中石油每一天的权重(5月9日是15.9%)

很简单的一个模型,根据每天收盘之后的中石油总市值,除以当天上海股市的总市值。得到中石油的权重。

2008年5月9日(星期五)

中国石油:收盘价 17.91元;总市值:3.28万亿元

上海股市:总市值:20.62万亿元。

计算得到——

中石油占沪市权重 = 3.28 ÷ 20.62 = 15.91%

2、中石油对大盘的影响(575点)

上证指数,5月9日当天收盘是3613点。

中石油对大盘的贡献是 = 3613点 × 15.91% = 575点

3、中石油涨跌1%对大盘的影响(大约6点)

中石油涨跌1%,对大盘的影响是 = 575点×1% = 5.8点

中石油股价17.91元,每涨跌一元钱,

大盘变化=575÷17.91 = 32点

国外油气趋势预测研究现状

红利贴现模型:V=股利/(R-G) 中

股利今年1股是0.3458元

设贴现率为10%,并根据08~11年的红利复合增长率是6%,套入公式得出价值V=8.645

如果把红利复合增长率定义少D,5%计算,V=6.916

所以大概A股中石油的价值在6.916~8.645左右。

PS:没有精确的正确,只有模糊的正确。而且价值多少,不是买入价,最好要有足够的安全边际。

油气需求量变化趋势预测

一、阶段划分

20世纪早期,就有一些学者对油气未来的发现状况和产量进行了定性的判断,可以视为油气趋势预测的雏形,近100年来,大致经历了个人主观判断阶段(20世纪早期至50年代)、应用数学模型开展定量预测阶段(20世纪60~80年代)和综合预测阶段(20世纪90年代以来)三个时期。

(一)个人主观判断阶段

这一阶段始于20世纪早期,主要是部分地质学家对美国或世界油气状况的主观判断以及对未来的估计。1906年,美国石油地质学家协会第三任、著名的油气专家I.C.怀特曾在白宫的州长会议上就美国的油气作了发言,他估计美国的石油最终可储量为100×108~250×108bbl之间,将在1935~1943年间用尽。1919年,美国地质调查局(USGS)的总地质师DeWhite认为:“(世界)石油生产的高峰将很快过去,很有可能在三年内”。1920年5月,另一位著名的地质学家,美国地质局的总地质师普拉特,对美国的石油最终可储量作了预测,他说:“由于储量不断被出,美国产量的高峰期很快一掠而过,可能是5年,也可能只有3年”,但是实际上,1920~1930年的10年间,美国已生产了70×108bbl石油,另外还增加了剩余可储量64×108bbl。这些著名的石油专家对油气及生产的悲观论断具有很大的主观性和局限性,但也反映了世界油气勘探开发早期由于油气地质规律的认识、技术条件和经济条件的制约,人们对油气蕴藏状况和发现过程的认识比较肤浅。

(二) 应用数学模型开展定量预测阶段

从20 世纪50 年代开始,地质学家们尝试运用数学模型对油气趋势预测进行定量研究。M. K. Hubbert 是美国著名的石油地质学家,他开创了石油峰值理论的模型研究。1949 年,他在 “Science”上发表了文章 “Energy from fossil fuels”,提出了矿物的 “钟型曲线”问题。1956 年,Hubbert 与 USGS 合作,分析并预测了美国的石油生产趋势。其预测结果显示,美国本土的石油生产将在1966 年至11 年达到高峰期,而事实验证了他的预测。Hubbert 于 1962 年利用实际资料拟合逻辑斯谛曲线的方法,得到可以用于预测累积产量和最终可储量的模型,该模型在国外得到广泛应用,并被命名为 Hubbert (哈伯特) 模型。此后,Hubbert 将其模型发展应用于探明可储量的发现规律和最终可量的预测,并应用于北美及其他地区可量的预测,取得了较好的效果。此后,Albert Bartlett,Colin J. Campbell,Cutler J. Cleveland,KennethS. Deffeyes,Richard Duncan 等对哈伯特曲线进行了详尽的分析,并利用哈伯特曲线对世界油气储量和产量的增长趋势开展了预测研究。

其他学者,如 J. J. Arps,M. Mortada,A. E. Smith 等也曾应用概率统计学原理,建立了动态勘探发现模型,并应用于美国最终可量的预测。

此外,得到广泛应用的预测模型还有龚帕兹模型,以及基于概率论和统计学理论的随机模型,如威布尔模型、对数正态分布模型等。

(三) 综合预测阶段

20 世纪 90 年代以后,由于油气在世界经济中发挥着越来越重要的作用,发达国家的、跨国石油公司和一些学术研究机构开展了大量的油气趋势预测的研究。研究的内容越来越广泛,方法手段越来越多样,考虑的因素越来越复杂; 研究的目的也不仅仅局限于学术上的探讨,更多的是为国家或组织、石油公司制定发展战略提供依据。

二、预测模型

从研究方法来看,主要用定性判断和数学模型定量预测,比较常用的模型是哈伯特模型。哈伯特模型是指任何油田的开都遵循一个钟形走势,开始平缓增加,然后急剧上升,到顶点保持平稳,最后急速下滑。

地质学家 Jean Laherrere 在对世界上许多国家的石油储量和产量的增长关系进行了大量研究之后,认为排除政治或其他方面影响,产量的增长曲线将会是储量增长曲线的镜像,产量高峰与储量发现高峰有一种 “滞后对应”的关系。另外,他还研究了Hubbert 曲线对石油产量的预测功能,指出单个的哈伯特曲线可能对美国石油产量这样只有一个高峰形态的情况适用,大多数油气田受石油地质条件、勘探开发技术、经济因素和政策法规的影响,其油气储量和产量往往呈现 “多峰”的特点,需要用多旋回哈伯特模型来拟合与预测。1999年,Al-Jarri和Startzman将单旋回哈伯特模型发展成多旋回哈伯特模型,并在2000年利用多旋回哈伯特模型对世界天然气供应进行了预测。

此外,得到广泛应用的预测模型还有龚帕兹模型,以及基于概率论和统计学理论的随机模型,如威布尔模型、对数正态分布模型等。

三、预测实例

(一)USGS2000年世界石油评价

在USGS2000年世界石油评价中,既预测了待发现的油气量,又用美国本土石油储量增长经验的模拟模型,预测全球油气储量增长潜力。结果表明,世界范围内已探明常规石油可储量为1734×108t,1995~2025年已知油田储量增长1000.1×108t,未发现量为1286.2×108t,总计4020.3×108t。其中中国已探明石油开储量为25.1×108t,已知油田的储量增长26.8×108t,未发现量为20×108t,总计71.9×108t,分别占世界的比例为1.45%、2.68%、1.56%、1.79%。

(二)EIA对世界石油产量预测

美国能源情报署(EIA)根据USGS在2000年对世界常规石油的评价结果,按照USGS世界常规石油3种预测值(2248×109bbl、3003×109bbl和3896×109bbl),考虑4种世界石油产量的年均增长率(0%、1%、2%、3%)预测了12种结果(图2-1-1)。

图2-1-1 EIA对世界石油产量的预测图(EIA,2000)

(三)石油峰值的研究

石油峰值是指全球石油产量的顶峰,实质上是研究石油枯竭问题。石油峰值理论从一个全新的角度对储量、产量及各作业量进行定性和定量的研究。

目前,全球石油峰值理论的主要观点有四种:一部分地质学家认为会出现在最近的15年;有些学者认为会出现在多年以后,比如Odell认为应该出现在2060年以后;IEA,EIA,Exxon,WETO study,DTI等能源组织或石油公司认为石油峰值不可预见;一些经济学家认为石油峰值不会出现。

对于世界石油的问题,可以分乐观派和悲观派。乐观派主要有美国地质调查局(USGS)、BP公司等代表和石油公司的组织,悲观派主要有石油峰值研究会(ASPO)等代表地质工作者的组织。

乐观派的专家学者认为世界常规油气是丰富的,如果考虑技术进步的因素,更是没有问题。例如,美国地质调查局(USGS)在第16届世界石油大会上公布的《2000年世界油气评价》,世界常规石油最终可储量为4109×108t,比上次预测有了大幅度的增加。USGS的世界能源工程项目主任Thomas Ahlbrand坚持高产稳产概念,不相信即将来临的石油峰值,并举例英国北海油田过去20年中屡次违背钟形曲线式样规律,认为石油时代远没有结束。BP公司的年度统计资料近年来每年公布的石油储比数据都在40年左右。

美国剑桥能源研究协会发表报告称,目前全球还有大约3.74×1012bbl原油剩余,按照目前的消耗量计算,足够人类使用122年。报告还认为,全球石油产量要到2030年才达到顶峰,而顶峰之后石油产量不会骤然下跌,而会经历一个“有起有落”的过程,然后再缓慢减少。报告认为,石油产量将在21世纪下半叶才会出现永久性的下降,而且这个日期有望通过发现新的油田、技术发展、能源储备和利用其他能源来获得推迟。在此之前,石油产量有望维持在一个较高和平稳的水平。

埃克森—美孚等石油公司认为,在常规油气之外,全世界的重油、油砂和页岩油储量大约为7×1012bbl,与常规石油储量大致相当。只要发现其中20%的,就将超过迄今为止全世界1×1012bbl的常规石油产量。例如,加拿大油砂中蕴藏的石油估计多达1750×108bbl,比伊朗或伊拉克的储量还要高。

而悲观派对世界石油前景并不看好。ASPO认为,以BP为代表的石油公司高估了世界石油探明储量。2003年底,BP公布的世界石油探明储量为1148×109bbl,而ASPO估计的数字为780×109bbl,两套数据差异很大。ASPO认为由于石油量是有限的,所以峰值过后,石油产量就会不可避免地下降;具体来说,在100多个石油生产国中超过石油峰值的国家大概有64个,包括美国、俄罗斯、英国、挪威、印度尼西亚等,比如美国的石油峰值大概出现在11年,英国石油峰值大概出现在1999年,世界常规石油产量峰值在2005到2006年到来,而包含常规油、深海油、极地油、重油和天然气液的广义上的石油,其产量峰值年在2010年左右。

全球石油价格多维分析

1.石油需求量未来变化趋势预测

根据BP公司2013年的能源统计报告,从中可以得到从1980年至2010年间中国石油消费量值见表4-16。

表4-16 中国石油历年消费量统计 单位:106t

数据来源:BP Statistical Review of World Energy June 2013 和中国国土综合统计。

将表4-16数据做散点图,见图4-9。可见,1980年至2012年间的消费量的变化趋势基本呈现指数变化规律性,所以可以使用回归预测模型。

图4-9 中国历年石油消费量散点图

利用SPSS 19.0软件,将表4-20中的数据进行处理,得到不同回归模型的可决系数(R2)和拟合度结果状态值,包括线性、二次、三次和复合函数的回归模型。而二次回归的可决系数R2=0.996;单因素方差分析时F=3566.08很大,F>F0.05(r-1,n-r)或p<0.05,表现出因素具有显著影响力特征。因此,中国石油消费量1980年至2012年间的回归预测模型见公式(4—8)。

y=0.43x2-2.261x+87.281。(4—8)

而且, =3.3158。

所以可以使用预测模型公式(4—8)进行中国石油消费量的回归预测。预测结果见表4-17。

使用灰色预测方法,中国石油的生产量符合“灰因白果律”的灰色预测。本次预测的X(0)(1)即为1980年的消费量值,即 (1)=85.4;t为1取到33的整数。可得GM(1,1)预测模型公式(4—9)。

中国油气战略储备研究

检验计算,平均相对残差值为0.0056,小于0.05。

后验差检验计算结果显示C=0.086<0.35。

小误差概率检验计算P消费量=0.9944>0.95。

说明中国石油消费量的G M(1,1)模型公式(4—9)精度为一级。用此模型进行预测计算结果见表4-17。

表4-17 中国石油消费量预测值 单位:106t

由表4-17可见,中国的石油消费量到2015年将达到(563.1~584.4)×106t,2020年增至(717.4~800.4)×106t。

2.天然气消费量未来变化趋势预测

根据BP公司2013年的世界能源报告公布的数据(表4-18)做散点图(图4-10)可以看出,中国天然气需求变化趋势规律性较强,使用回归手段进行预测即可。

表4-18 中国天然气历年消费量统计 单位:109m3

数据来源:BP Statistical Review of World Energy June 2013。

利用SPSS 19.0 软件,将表4-18 中的数据进行处理,得到不同的回归模型可决系数(R2)和拟合度结果状态值,包括二次、三次、复合函数和指数函数的回归模型。而三次回归的可决系数R2=0.993最大;单因素方差分析时F>F0.05(r-1,n-r)或p<0.05,表现出因素具有显著影响力特征。因此,中国天然气消费量1980年至2012年间的回归预测模型见公式(4-10)。

图4-10 中国历年天然气消费量散点图

y=0.013x3-0.436x2+4.292x+3.665。(4-10)

而且, =2.29223。

所以可以使用预测模型公式(4-10)进行中国天然气消费量的回归预测。预测结果见表4-19。

表4-19 中国天然气消费量预测值统计 单位:109m3

表4-19中数据显示,中国的天然气消费量将呈现快速上升趋势。2015年达到约200×109m3,到2020年升至约340×109m3。

由表4-11和表4-19数据共同的显示,按照目前中国的天然气需求量和生产量的增长速度推算,中国的天然气市场又是一个继石油市场之后的供小于求的市场,到2015年供求将产生约22×109m3差额空间,到2020年这个缺额达到76×109m3。

综上所述,在未来的10年中,中国的石油和天然气需求量将稳步提升,而同时生产量的提升速度小于需求量的提升速度。未来中国的能源市场中的天然气的进口依存度将大幅提升。

问题:请用AD-AS模型来分析石油危机所引发的短期经济波动。

传统的数据仓库展现,一般是通过建立数据仓库、设定维度、预先计算,然后向客户端展现多维分析的结果。在本系统中,则取了与之不同的另一种数据仓库构建的思路,即在系统的数据仓库展现中尝试利用多维数据表之间的关联性来实现实时的多维分析功能。

在多维数据结构中,事实表和维度表之间是通过直接或间接的关系联系在一起的。对于某张表中某条记录的选取,可以在其他相关联表之间查询到与之相关联的数据记录,并可以对选取的数据和相关联的数据进行统计分析,得到这些数据的分布、趋势等分析结果,并且可以在设定了多维分析的维度之后,按照维度之间的层次关系对数据从各个不同的组合角度进行分析,形成实时的多维分析。

数据仓库展现的开发内容一般可以分为数据仓库的设计和多维分析的实现两部分。数据仓库的设计包括星型模式的搭建、数据抽取方式的确定、数据转换净化的实现,以及多维数据的存储等内容。多维分析的实现则包括多维分析维度的选取、度量值的定义、维度变换方式、钻取路径的定义、钻取数据显示方式的确定等内容。

本系统在开发过程中,由于原型系统带来的需求不确定性和数据齐备性等因素的制约,如何设计出良好的结构来更好地进行多维数据展现以及取何种形式进行展现是一个重点问题。前文已经讨论过系统中数据仓库的架构模式、多维数据结构的定义等内容,讨论了系统原始数据源中存在的复杂性、数据完整性和数据有效性等方面存在的问题及解决办法。多维分析的设计包括维度之间的关联、事实数据展现的内容和形式、数据钻取等内容。

5.3.2.1 维度表关联性分析

数据源表结构中包括一张事实表和数张维度表。针对这些维度表可以设计用于多维分析的维度,分别为油品、交易市场、交易类型、价格单位和价格日期维度。维度数据和中间事实表之间存在直接关联,维度数据之间通过中间事实表而产生简洁的关联关系。从而可以在既有事实数据的基础上,对维度之间的关联关系进行可视化展现。

图5.29中显示了4个维度的内容数据,并列出了各维度中所具有的字段取值,这些字段通过事实表产生关联。在选择了Crude Oil油品之后,其他3个维度中的字段取值背景出现变化。白色背景表示在事实表中存在与Crude Oil相关联的交易市场,分别为Cushing,OK和Europe Brent,这表明事实表中存在有Crude Oil在这两个市场中的价格数据,没有在其他市场上的价格数据。

图5.29 多维分析维度列表

在默认情况下,维度列表显示了全部可能的维度取值。而在选择了某一维度之后,比如选择产品名称中的Crude Oil值,则在其他维度中高亮显示与此维度选中值通过油价数据关联起来的维度值。通过维度之间的关联显示,可以分析出源数据中隐藏的一些分布模式。在本示例中就可以看出系统中具有Crude Oil在Cushing,OK和Europe Brent两个市场的Spot Price FOB价格,而价格时间则从1986年到2008年都存在,油价的单位名称只存在Dollar per Barrel一种形式。多维分析的维度关联性分析,还允许在一次分析基础之上继续缩小选择值的范围。

5.3.2.2 维度表和事实表的关联性分析及展现

在实时多维分析中,除了可以进行维度表之间的关联性分析,也可将维度表和事实表关联起来进行分析。在此类分析中,除了可以在界面左侧展示维度表之间的关联之外,还可以在界面主体部分显示出事实表数据以及以事实表数据为基础的一些统计分析。图5.30中展现的是全球石油价格不同交易类型的对析,反映出对各石油品种在现货交易、期货交易等方式下的价格对比情况,分析的结果可以随左侧维度选择的变化实时变动。

图5.30 交易价格比较分析

对于事实表的展现,除了按照默认的维度顺序进行统计分析,维度之间的顺序也可以直接通过在界面中拖动维度的位置来完成维度的变换,实现多维分析旋转功能,在此不再赘述。

5.3.2.3 事实表数据钻取

多维分析另外一个很重要的内容就是数据钻取。在实时多维分析中,数据钻取的功能可以更为丰富。出于分析的目的,我们预先定义了钻取路径:

市场→价格类型→价格年份→产品名称。

这样就可以按照这样的路径对油价进行钻取分析。第一次默认按照市场名称来统计历史油价,在选择了一个市场之后就向下钻取两层,就可以得到按照价格年份来统计的历史油价。这里的钻取分析可以和维度关联性分析结合起来使用,从而更灵活地实现数据钻取(图5.31,图5.32)。

图5.31 数据钻取分析一

图5.32 数据钻取分析二

5.3.2.4 价格趋势分析

价格趋势分析可以作为价格预测的一种补充,它的功能展现过去时间的不同油品、不同交易类型及价格单位等相关信息,以此来直观表达油品的未来走向与趋势。这一块已经有了单独的模型程序模块来完成(图5.33)。

图5.33 多维价格趋势分析

通过在数据仓库展现中利用实时多维分析中的维度表关联性以及维度表和事实表之间的关联性,可以更好地拓展多维分析的功能。而对多维分析的需求确定可以考虑取原型法来进行,利用数据仓库的实时多维展现来发现数据的内涵和数据之间的关联性,逐步帮助确定需要分析的维度、度量值、展现方式等内容,并反向影响到数据源表结构的设计。

农产品价格波动实证模型有哪些

在短期内,如果AD不变,AS曲线发生位移,则会产生市场价格与国民收入反方向的运动。如果AS的水平下降,市场价格会上升,而国民收入则下降,产生经济发展停滞和通货膨胀共生的“滞胀”现象。

在石油危机中,能源价格暴涨了5倍,由于生产要素投入的价格(或成本)的上升,使得企业在同等产量条件下,要求更高的物价水平,或者在同等价格水平下,被迫减少产量。从而使得SAS曲线向左上方移动,使原先超出潜在国民收入OY*?的产量OY减少至OY',均衡点由E移动至E',市场物价水平由P移动到P'。

结果是生产降到小于充分就业的水平,价格水平则提高到高于充分就业时的水平,出现“滞胀”。由于影响宏观经济的某些外部因素的作用,使总供给状况恶化,使原先的宏观经济政策目标遭到破坏。?

扩展资料:

总供给曲线的位置是不断变动的,这种变动说明了在既定价格水平之下,总供给量的变动。使总供给曲线移动的因素:

1、自然的和人为的灾祸。

2、技术变动。

3、工资率的变化。

4、生产能力的变动。

百度百科-AD-AS模型

蛛网模型、ARCH类模型。在2001年8月至2010年12月的月度数据中在控制了国内影响因素基础上,运用SVAR模型、蛛网模型对影响国内农产品价格波动的各种,外部冲击因素进行了实证分析结果发现外部冲击因素对我国农产品价格波动的影响日益显著。其中国际农产品价格波动的贸易传导影响最大,石油价格的贡献排在第二,外部需求和国际投机资金对国内农产品价格有较强的影响,人民币有效汇率的影响不大。