1.未来中国石油需求预测
2.专家称油价将要突破150美元，谁是最大的获益者？
3.预测未来油价改用什么数学建模模型
降。
根据查询诚说风云网显示，未来柴油价格会降，成品油价预测降幅会显著收窄，油价预测跌幅不足200元/吨，而且后期不排除降幅继续收窄，使得下一次汽柴油调价充满悬念，不少机构预测的大跌行情恐怕出现新变故。
未来中国石油需求预测
预测石油价格的趋势需要从基本面和技术面两个方面综合分析预判。
技术面一般是通过分析国际现货石油价格盘面技术指标得出来的，这些分析软件可以找相关现货石油投资平台的下载。
基本面主要从石油的供给需求进行分析。常见的影响比较大的数据就是美国EIA原油库存数据，这些数据一些专业的网站都是有及时公布的，比如说汇通网。现在还有很多的群也有这些数据直播的形式，比如说一些朋友所在的华尔街投资之神这个群。
发改委指定石油指导价格主要是综合石油进口以及国内石油供需关系进行指定的，具体的公式是不可能进行公布的。
专家称油价将要突破150美元，谁是最大的获益者？
目前的石油需求预测方法可以分为两类：一类是宏观预测法，是以宏观经济分析预测为基础，研究石油消费与国民生产总值、人口及石油价格等的关系，并根据石油消费与经济发展的关系及发展趋势，预测未来石油消费。这类方法包括石油消费弹性系数法、能源消费强度法和人均石油消费法等。另一类是部门分析法，就是分析每一个石油消费部门的石油消费与本部门消耗石油的机具、产品等的相互关系，如汽油消费与汽车保有量的关系、化工产品产量与石油消费量的关系等，根据这种关系预测本部门未来石油消费的增长趋势，所有部门预测值的综合就是全国未来石油消费量。
这两种预测方法各有优缺点。部门预测法的优点是充分应用了各部门对未来发展前景预测，包括未来产品的市场需求、节能和能源替代等大量技术和经济分析，以及油价和行业技术发展对各部门未来石油需求的影响。这种预测的缺点也是显而易见的，这种预测涉及各部门各环节的石油消费预测，每一个部门每一个环节预测的误差都会出现在总体预测中，预测的综合误差就是每一个部门每一个环节预测的误差的综合，因此增加了误差的概率；另一方面，这种预测也不能考虑不可预见的对石油需求的影响，特别是对长期预测可能会造成更大误差。宏观预测法是以国民经济发展为依据进行预测，是以国民经济综合数据为基础，消除了部门之间预测可能造成的误差加和，过去曾发生过的不可预见的影响，替代能源、节油技术进步和油价变化的综合影响，适合于长期趋势的预测。
本次的中国石油需求预测是建立在中国和美国石油消费对比研究的基础上的宏观预测。设现在的高油价将使中国石油需求明显下降，石油利用效率不断改善；设未来20年中国的石油消费强度沿着美国过去20年走过的道路不断改善，经济发展对石油的依赖显著地降低。在此设下，使用石油消费强度和石油消费弹性系数两种宏观预测方法，取美国1980～2000年的石油消费强度值和石油消费弹性系数作为中国2000～2020年的石油消费强度和石油消费弹性系数进行预测。
(1)根据石油消费强度法预测石油消费量。近20年来，虽然中国石油消费总量逐年增加，但单位国内生产总值的石油消耗却在逐年降低，石油利用效率有了很大提高。单位国内生产总值的石油消耗从18年的0.6吨/1000 美圆左右下降到了2000年的0.18吨/1000 美圆，在22年里下降了70%。预测随着石油利用效率的提高，中国单位国内生产总值的石油消耗也降持续降低。对照美国石油消费强度演化趋势和中国石油消费强度演化趋势发现，目前中国正处于美国1980年的石油消费强度水平，如果将美国的石油消费强度演化趋势整体向后移20年作为中国未来发展的趋势(图6.26)，到2010年中国石油消费强度将降到0.12吨/1000美圆左右，预计比2000年下降33%左右；2020年中国石油消费强度将降到0.10吨/1000美圆左右，预计比2000年下降44%左右。根据中国国民经济发展目标和石油消费强度演化趋势预测，2010年中国石油需求为3.92亿吨，2020年为5.99亿吨(表6.1)。
利用石油消费弹性系数预测中使用的GDP数据来自国家权威数据，石油消费强度数据借用美国数据，数据可靠性是相当高的。但是，预测的石油消费强度目标是2020年中国的石油消费强度达到美国2000年的水平，美国目前并不是世界上石油利用效率最好的国家。目前美国的石油消费强度几乎比西欧国家平均高60%左右，更比日本高出1倍以上。如果以西欧国家作为目标，或者以日本作为目标，预测的中国未来石油需求量将大大减少。2020年中国石油消费强度下降到西欧、甚至日本2020年的水平的可能是存在的，也有可能实现。因为未来节能技术、新能源开发和替代都将更先进、有效。
图6.26 中国单位国内生产总值石油消耗预测
表6.1 中国未来石油需求预测(石油消费强度法预测)
①2005年GDP来自国家统计局，2010年GDP来自《中国国民经济和社会发展第十一个五年规划纲要》，2020年GDP按院发展研究中心预测2010～2020年间6.50%的增长速度预测。
②GDP以2005年平均8.19汇率折算。
③来自国家统计局简报。
(2)石油消费弹性系数法预测。石油消费弹性系数是石油消费增长率与国内生产总值增长率的比值，代表国内生产总值每增长一个百分点所需的石油消费增长率。这是能源预测中最常见的方法，预测公式如下：
En=E0·(1+Tn·Gn)n
式中，En为第n年石油需求量；E0为起始年石油消费量；Tn为第n年石油消费弹性指数；Gn为第n年国内生产总值增长率。
石油消费弹性系数的变化与国民经济发展速度、产业结构、石油价格、节油技术进步和其他能源替代水平等因素有关，其中石油价格影响因素是比较重要的影响因素。一般来说，随着国民经济的发展，就业人员从第一产业向第二产业、从第二产业向第三产业转移，各产业对国民经济贡献也随之发生变化，石油消费较少的第三产业对国民经济贡献逐渐增加，石油消费弹性系数随之降低。石油价格的增长导致替代能源发展和节油技术进步，使石油消费下降，石油消费弹性系数随之降低。美国在13年第一次石油危机之前，世界石油价格较低时，石油消费占一次能源消费的47%，石油消费弹性系数在0.5～1.0 之间。13～18年石油消费出现负增长，石油消费弹性系数为负值。18年以后，美国石油消费重新增长，但石油在美国一次能源消费中的比例下降到了40%左右，石油消费弹性系数相应的下降到了0.43左右。自“九五”以来，中国石油消费弹性系数一直处在0.5～1.0之间，2000～2005年，石油消费弹性系数平均为0.71。在经历了2004年的高油价和能源短缺以后，中国加快了替代能源的开发和节油技术进步。根据前面分析，2010年以后中国石油消费增长速度将明显回落。预计2010年、2015年和2020年中国石油消费弹性指数依次为0.62，0.55和0.43，相应的石油需求量为3.70，4.36和4.亿吨(表6.2)。
表6.2 中国未来石油需求预测(弹性系数法)
弹性系数预测需要使用基础年石油消费量、国民经济增长速度石油消费弹性系数等参数，这些参数由于来源不同差距很大。本次预测用的2005年中国石油消费量3亿吨是国家统计局的官方数据，经济增长速度数据也来自国家“十一五”规划，弹性系数取自美国历史数据，这些数据基本上排除了作者的个人因素，预测结果应该更为可信。
预测未来油价改用什么数学建模模型
我认为石油出口国将是最大的获益者。
这个逻辑其实非常简单，当油价进一步飙升的时候，这基本上意味着所有需要进口石油的国家的生产成本都会相应提高。对于那些石油出口国来说，因为出口石油的单价会变得越来越高，所以他们所享受到的利润也会越来越高，他们才是油价上涨的最大受益者。
1、石油出口国是最大的获益者。
我们经常所提到的石油主要有三个渠道，第1个渠道是俄罗斯和乌克兰，第2个渠道是中东国家，第3个渠道是美国。当国际原油的价格进一步上涨的时候，每桶原油的价格可能会达到150美元左右。在此之前，每桶原油的价格甚至只有70美元左右，这也意味着很多石油出口国的利润会直接翻倍。
2、新能源汽车领域也是最大的获益者。
除了石油出口国之外，如果我们把目光放到各个产业上的话，我们就会发现石油价格上涨会直接影响到人们的出行成本，更会降低大家对于购买燃油汽车的热情。在这种情况之下，新能源汽车品牌的销量会进一步提高，很多人也会把目光放到新能源汽车上。因为新能源汽车主要是以电力供应为主，在油价上涨的时候，新能源汽车的收入情况会异常火爆。
3、石油化工产业也是最大的获益者。
因为石油化工产业本身和石油进出口密切相关，当油价进一步上涨的时候，石油化工产业的净利润会进一步提高，很多投资人也会把目光放到相关产业。在这种趋势之下，石油化工产业的各个企业的股价会进一步攀升，相关公司在资本市场上的表现会为他们进一步活力，相关公司的从业人员的收入也会逐步攀升。
建议用BP神经网络，并且结合主成分分析法。
一些常用的方法，比如多元回归和时间序列方法构建价格预测模型，是一种典型的线性预测模型，能够预测价格变化的线性关系，对中长期预测具有一定的局限性。
神经网络是一种智能预测方法，需要对对象建立准确的数学模型，能够准确描述对象的特征，具有学习能力强、并行处理等特点，在复杂系统等领域的建模中得到了广泛的应用，也为石油价格预测提供了思路。但是由于影响石油价格的因子比较多，且数据中含有噪声，直接用神经网络学习收敛速度慢，且预测精度低，因此需要对石油价格影响因子预处理。针对石油价格变化的特点，提出一种基于主成分分析和BP神经网络的石油价格预测模型。该模型用定性分析选择出影响因子，再利用主成分分析方法对石油价格影响因子进行筛选，选取最主要的几个影响因素，最后通过神经网络能够逼近非线性连续函数的能力对石油价格进行预测，从而实现了石油价格的准确预测。
价格的预测过程
BP神经网络的预测过程如下：
1、收集石油价格以及影响因子，并获取相关数据。
2、对石油价格影响因子进行主成分分析，并筛选出贡献率大的主成分。
3、将石油价格数据分为训练样本和预测样本。
4、用BP神经网络对训练样本进行训练，并找出模型的最优参数。
5、利用最有参数建立BP神经网络预测模型，对预测样本进行预测。
