中国煤炭行业产能过剩的组合预测及其治理策略研究

发布时间：2020-06-07 23:45

【摘要】：中国煤炭行业在经历了黄金十年的高速发展后,出现了供过于求的局面,煤炭行业产能过剩的矛盾日益突出,亟待解决。为此,近年来中央政府制定了一系列产能调控政策,但煤炭行业产能过剩的形成原因复杂,表现形式多样,且去产能过程中涉及到多个利益主体,使得去产能任务面临诸多挑战。本论文以实现煤炭行业产能过剩的准确预测和有效治理为目的,在梳理产能过剩相关文献的基础上,重点在煤炭行业产能过剩的发展态势、致因结构特征、治理策略三个方面进行了探索性和实证性的研究。首先,为定量刻画煤炭行业产能过剩的致因结构特征和发展趋势,基于分解-重构-预测的思想,提出了一种集集合经验模态分解(EEMD)、最小二乘支持向量机(LSSVM)、自回归积分滑动平均模型(ARIMA)三种方法为一体的组合预测方法和模型(EEMD-LSSVM-ARIMA),运用EEMD方法对煤炭行业产能过剩规模的时间序列进行分解,得到具有不同时间尺度特征的IMF分量和RES残差项,然后把这些分量重构为高频项(HFC)、低频项(LFC)、趋势项(RES),并根据波动特征识别出其经济含义,最后运用擅长非线性预测的LSSVM方法对HFC、LFC分项进行预测,对RES分项采用擅长线性预测的ARIMA方法进行预测,把各分项的预测结果进行叠加求和,得到最终的预测结果。其次,结合当前煤炭行业产能过剩的治理困境,依托演化博弈等理论,探讨产能过剩治理策略的影响因素,建立了一个包括中央政府、地方政府以及煤炭企业在内的三方演化博弈模型,从动态演化的角度分析了各主体间的行为互动机制,考察了不同参数变化对系统以及各主体稳定策略的影响。最后,基于组合预测及演化博弈分析结果,从不同的利益主体视角出发,分别从宏观层面、中观层面以及微观层面,提出煤炭行业产能过剩治理的对策建议。研究发现:(1)鉴于煤炭行业产能过剩规模的时间序列具有非线性和非平稳性的特征,以数据特征为驱动,构建出EEMD-LSSVM-ARIMA组合预测模型,实证结果及比较分析表明,相较于已有的单一预测模型(ARIMA、LSSVM)和双混合预测模型(EEMD-ARIMA、EEMD-LSSVM),该模型无论是在预测值还是预测方向上均具有更为精准的预测能力;(2)利用EEMD-LSSVM-ARIMA模型对煤炭行业产能过剩的发展态势进行预测,结果表明,在2017~2019年期间,中国煤炭行业产能过剩规模变化相对稳定,在17亿吨和18亿吨之间小幅度波动,但煤炭行业产能仍存在长期过剩的趋势;(3)在当前煤炭行业产能过剩的主要驱动力量中,相比经济周期波动和市场失灵而言,体制扭曲的影响是最根本的也是最重要的,影响程度在70%左右;(4)基于一定的假设条件,系统最终达到的稳定状态策略组合为中央政府选择市场化的调控策略,地方政府选择严格执行策略,同时煤炭企业也选择积极响应策略,由此证明,市场化调控是解决煤炭行业产能过剩问题的有效机制;(5)在煤炭行业产能过剩治理过程中,中央政府、地方政府和煤炭企业单个主体的策略选择会受到另外两个主体策略的影响,该结论说明煤炭去产能要统筹协调多个主体的利益关系,也为产能治理策略的制定提供了一定的理论依据;(6)合理控制去产能成本、构建经济发展与生态质量并重的政绩考核体系、对去产能政策实施效果加以监管和适当的处罚约束、提升企业创新升级和技术改造的投入程度对于中国煤炭行业产能过剩的有效治理具有重要的促进作用。总体而言,本论文的研究成果具有较为重要的理论意义和实践价值。在理论上,完善了行业性产能过剩的预测方法,丰富了煤炭行业产能过剩治理理论;在实践上,为政府和煤炭企业准确把握煤炭行业产能过剩的规律、成因及演化趋势提供了相应的理论指导,也为治理煤炭行业产能过剩提供了一定的策略支撑。
【学位授予单位】：中国矿业大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：F426.21

【相似文献】