会议报道：大数据时代下 煤炭行业如何应对？

“大数据”概念方兴未艾，有人也称大数据为“新能源”。大数据的产生和应用有效的推动了生产力的变革，目前已经渗透到了各行各业，而煤焦行业也是大数据的重要应用领域。

11月21日，由中国煤炭资源网主办的“2019年（第七届）国际动力煤资源与市场高峰论坛”在广州隆重召开。本次会议上，汾渭能源总经理罗安做了“汾渭煤炭大数据价格预测模型”的精彩演讲。

汾渭能源总经理罗安做主题演讲

“近几年，煤炭大数据发展较快，具备了一定基础，行业发展优势明显，但也存在数据体系不完善、采集渠道不畅通、数据时效性不强等问题。”罗安表示，汾渭是国内煤炭行业数据建设的第一批先行者之一，汾渭数据体系主要呈现建设起源早、持续性强及数据体系完善三大特点。

目前市场参与者和观察者大多通过各项供需数据的变化和研究经验去大致判断后期市场走向，判断的因素中，主观因素占很大一部分，罗安指出。

他进一步讲道，前几年煤焦价格变化比较平缓，平均每年经历1-2波行情变化，2017年起，煤焦价格每年经历了3-4波行情变化，且变化幅度较大，煤焦市场变化频率越来越快，使得市场参与者与市场观察者对后期市场变化越来越难以把握。

“汾渭1998年成立以来，一直致力于研究煤炭/焦炭价格与供需影响因素之间的关系，从2008年的供需模型到大数据时代的大数据预测模型，经历几代计算方式的更迭，从判断涨跌态势到判断涨跌幅度，煤炭/焦炭价格预测的精度也逐步提升。”罗安介绍说。“通过研究煤炭价格与价格影响因素之间的相互关系，有利于完善企业的价格定价机制，提高市场掌控能力和预判能力。”

汾渭第一代煤炭价格预测模型（即供需平衡表预测模型（1998-2007））是分煤种供需数据模型，通过研究目前市场煤炭供应和需求的差值，判断市场所处的状态，进而对未来市场价格进行预测。模型特点是根据团队经验设定权重，只判断煤价涨跌趋势，不能判断涨跌幅度。

汾渭第二代煤炭价格预测模型（即汾渭CR动力煤综合指数模型（2008-2016））认为库存是供需因素作用的结果，研究库存更有利于研究价格的趋势，因此更注重库存样本的选取，考虑了中转地、生产地、消费地的动力煤库存量，并根据库存与价格的历史数据进行有限次的回归，根据回归结果设置权重进行未来的价格预测。模型特点是以数据定量预测价格，仅收录库存数据，有限次数的回归。

汾渭第三代煤炭价格预测模型（即汾渭大数据煤炭价格预测模型（2016-至今））基于大数据的特色，汾渭将原有模型升级为大数据下的研究事物相关性的机器学习的模型，也就是目前使用的计算机模拟运算建立的人工智能数学模型。模型特点是汇集全行业数据，通过数学回归实现定性定量预测。

罗安表示，汾渭大数据煤炭价格预测模型结果来看，数据对价格变化的综合反映期为6周（42天），此时模型结果最优，动力煤市场预测模型拟合优度0.86，炼焦煤拟合优度为0.91，焦炭拟合优度为0.95，各项模型检验数据（F检验，T检验）均达标。经过长期数据验证，各项价格拐点可以被精准捕捉。

该模型具备很强的可扩展性和可升级性，模型分析结果可验证性强、拟合度高，可以通过大数据客观的预测市场，他表示。

在模型应用方面，罗安指出，以动力煤为例，现货层面看，模型预测42天后的价格的趋势准确率较高，对环渤海5500大卡的下水煤的现货市场的价格拐点达到精准预测，为企业在交易中的交易行为提供科学的数据支撑。

期货层面，汾渭比较历史动力煤期货的数据发现，期货市场与现货市场有较大的相关性，42天后期货市场与现货市场同涨同跌的概率达到74.33%，从操作层面上看，如果操作者在模型预测变化值大于30元/吨的时候进行操作，盈利的概率在84.37%，盈利均值在48元/吨。亏损概率为15.63%，亏损均值为20元/吨。

对于大数据下的企业库存管理策略，罗安指出，“可以根据大数据预测模型的预测结论，调整所经营的产品的库存及相应的销售/采购策略。”