收集:中国股票市场经济分析网
从序列分解法看棕榈油价格走势
对于大部分农产品价格来说，许多品种价格走势具有很强的季节性，棕榈油同样具有季节性，所以从影响棕榈油现货价格季节性因素角度分析，我们试图应用时间序列分析方法中的序列分解法对棕榈油价格中包含的几种归纳起来的因素进行因素分解，来挖掘影响棕榈油期货价格走势的季节性因素。
时间序列分解是一种传统的用于预测的方法。经济时间序列受很多因素的影响，概括地讲，可以将影响时间序列变化的因素分为4种，即长期趋势因素(T)、季节变动因素(S)、周期变动因素(C)和不规则变动因素(I)。大量时间序列的观测样本都表现出趋势性、季节性、周期性和随机性，或者只表现出其中的其三、其二或者其一。这样可以认为每个时间序列，或者经过适当函数变换的时间序列都可以分解成4个部分的影响结果。
一般情况下有两种模型，第一种是加法模型，要求时间序列的各个因素是相互独立地发挥作用，模型表示为：X=T+S+C+I ；第二种是乘法模型，假定条件是时间序列中的长期趋势因素(T)、季节变动因素(S)、周期变动因素(C)和不规则变动因素(I)是相互影响的关系，时间序列中的每一个观察值是它们交互作用的结果，模型表示为：X=T×S×C×I。由于加法模型要求各影响因素之间是独立的，一般情况下很难达到，因而在应用上乘法模型使用得较为普遍，本文采用乘法模型来处理数据。
棕榈油现货价格
首先，我们选择棕榈油张家港港口报价数据，样本区间从2003年1月2日到2009年11月16日，对数据做月度化处理后得到棕榈油现货价格的整体变动情况(见上图)。
我们很难直观看出其是否具有季节性，同时其长期趋势也并不明显。
接下来，我们对数据继续进行处理，来挖掘棕榈油价格的季节性走势。由于移动项数是偶数，所以要经过两次移动平均。最后12项中心移动平均的结果只包含长期趋势和周期性趋势的变动影响，从而消除了季节性和不规则变动因素的影响，此时，用当月平均价格与12项移动中心平均值对比做出季节因素，再根据具体情况对季节因素做平均处理。在处理数据的过程中，我们发现季节指数按年份有一定规律。
棕榈油现货价格季节指数
从整体趋势上来看，棕榈油价格基本上呈现两年左右时间的一个周期轮换，从我们计算得出的季节指数上看，2004、2005年度现货价格处于下降趋势，而2006、2007年度现货价格处于上升趋势。随后2008年度现货价格更是明显下跌，当时的金融危机加重了价格下跌的幅度。2009年度由于经济回暖速度较快，棕榈油现货价格并没有呈现明显下跌趋势。因此，我们可以看出棕榈油现货价格季节性因素和周期性因素交织在一起，很难单独进行分析测定，当然周期变动不象季节性变动那么明显，循环变动的周期不是那么固定。从分析的角度，周期变动的测定至少需要8年以上的资料。
由于这里只掌握现象接近7年的历史数据，所以可能会造成看不到完整周期的情况，不过仍然可以看出一些规律，如果单从季节性和周期性角度理解，2010、2011年度仍然看好棕榈油，其价格会呈现出上涨趋势。当然，具体情况还要考虑到时各方面的基本因素，季节指数图形只能帮助我们判断一个大体趋势。
最后，从我们的计算的季节性显著因子来看，棕榈油在一、二、四季度上涨概率比较大，且在2月、5月、11月份涨幅最大，三季度呈现下跌走势，8月份跌幅最大。
季节性显著因子
综合以上分析，运用时间序列分解方法，我们发现了价格序列中的季节性影响因素和周期性影响因素，挖掘出了价格的年度和月度的变化规律，即棕榈油价格基本上是两年涨跌轮回。并且从月度上看，也呈现出季度变化的规律，即一、二、四季度上涨概率比较大，且在2月、5月、11月份涨幅最大，三季度呈现下跌走势，8月份跌幅最大。这对我们的行情判断有一定的参考意义，但由于影响预测的因素还有很多没有考虑的，比如不规则变动因素包括突发因素等，但是由于它们是不可测的，即使能够分解成影响因素，对于时间序列的预测也没有多少价值，因此在这里我们暂不讨论。