核心阅读： 

近十年来，随着大宗商品商贸体系的纵深发展，产业链、供应链、资金链等形成了较为完整的链条，原材料采购作为其中重要的一环，成为大宗商品贸易过程中绕不开的风险。原材料价格影响因素复杂，预测难度大，是一个研究热点和难点。本文提出采用小波周期分析方法应用到原材料价格预测中，通过长期的历史数据分析，训练生成数据模型，进而分析和把握波动规律，生成预测函数，预测未来价格走势。本文以中国移动通信集团重庆有限公司为例，完成价格影响因素判断及影响情况分析，给出采购周期模型，推断产品采购合同期及采购时机，验证了方法的可行性和有效性。

（一）研究背景

面对原材料、人工成本不断上涨的市场环境，财政及货币政策不断调整的政策环境，大宗商品价格多次变化，价格变化规律不尽相同，采购时机及采购周期成为物资采购成本控制的关键点之一。尽管国家出台相应政策打击囤积居奇、哄抬价格等行为，给企业创造了良好的采购环境，但自适应的原材料物资采购策略才是竞争优势。

根据自身物资特点，针对原材料物资采购周期展开分析，总结出了目前原材料物资的采购特点为：①采购节点抓取不准确，价格与需求量无对应关系，储备与价格波动不同步；②历史招标限价与市场行情相关度过低，出现同质价高、低价不保质现象；③采购需求量无明显规律，采购频率较高的产品各年度需求量不一。

笔者收集了1910年~2020年钢材的市场价格，生成历史市场价格趋势图，发现历年来钢材市场价格整体呈现上涨趋势，各年度间存在价格上下波动，但无明显的年度变化规律（见图1）。

（二）原材料物资采购周期分析方法模型

小波分析预测法能更好地表示数据的真实行为，处理过后外部没有太多的噪声，这些对于实现更准确的数据预测至关重要。小波分析是一种数据分析技术，将数据集转换为小波域，分解为低频和高频部分，认为大部分数据的噪声隐藏在小波域的高频部分，通过去噪程序，可以隔离和消除几乎数据中存在的许多不希望出现的噪声。并且它具有独特的时频局域化功能和多分辨分析，让基于小波分析理论构造的组合预测模型能够得到较好的辨识性能，并且小波组合方法建模是以小波分析理论为依据，它能在一定程度上避免单个模型设计方法上的盲目性，这也使得小波变换方法应用于价格预测更具有实际的意义。

（一）价格影响因素分析

以钢材类物资为例，分析钢材价格变化情况，并预测原材料市场价格变化。

1.价格波动影响因素统计

钢材价格呈现年度分散性的变化规律，受政策因素影响明显。钢价主要受到GDP、BDI、利率、汇率、M2等因素的影响。除此之外，例如重大突发事件（如战争）、经济增长速度、技术水平、铁矿石价格、粗钢产量等也会对钢价造成明显影响（见图2）。

2.价格波动影响因素因果逻辑

原材料价格波动，短期看政策、中期看需求、长期看供给。受一些宏观经济指标、国际航运指数、行业调控政策、供给端和需求端影响，供求关系的变化产生了价格的波动。只有“庖丁解牛”“条分缕析”，才能把握每一种影响因素对价格波动趋势的影响，这种影响分为正向价格影响因素，反向价格影响因素，最后将各种影响叠加，产生最终的价格波动趋势。

（二）原材料物资采购周期预测原理、模型和算法

以物资价格拐点为采购周期警戒点，判断后续价格变化趋势，预测价格降低，采购周期满足当期需求，预测价格上涨，则按需做需求储备。选择合适的采购时机，把握小趋势，抓住大机会，需要找到一个短期预测精度好的方法。小波分析方法被誉为数据分析的显微镜，对于局部短期预测效果很好。

1.周期预测原理

小波分析预测价格变化，小波分析分为分解、去噪和重构三个步骤。通过分解计算将价格变化分为低频（变化缓慢）和高频（变化较快），分别通过低通和高通过滤，过滤掉噪声。高通处理，预测价格长期变化趋势；低通处理，预测局部变化趋势，判断最优采购周期。

2.小波预测函数模型 

基函数：价格数据与某一输入的影响因素数据（如利率、BDI、PMI、CPI、M2等）微小价格波动曲线；

φ_j,k(t)尺度函数的基函数：行业政策相关的影响因素数据（房贷利率、房产税、铁矿石限价等）产生的微小价格波动曲线；

?_J,k(t)母小波函数的基函数：其他因素数据产生价格波动曲线；

C_(j,k)、d_(j,k)分别为尺度、小波展开系数：局部价格变化与某一影响因素的相关性系数。

3.算法

回顾历史大数据，找出单个因素影响的局部小波，展望未来，叠加生成价格时间拓展函数，精准预测。详细计算过程有以下五个部分（见图3）。

（1）建数据库

将价格影响因素历史数据和价格数据入库。

（2）小波基函数构造

分解生成各影响因素的基函数。对于每一个影响因素，从历史价格波动曲线中寻找价格随时间变化的曲线，称为小波基函数。需计算该时间段所有影响因素的相关系数。

相关系数计算：Pearson检验两个连续数值变量间的相关性强度；Pearson相关系数计算取值范围[-1,1]，负数代表负相关，正数代表正相关，越接近1、-1相关关系越强。

（3）分解基函数

小波分解为变化缓慢与激烈变化两部分，后续做高/低通滤波分析。红色部分为变化激烈部分，蓝色部分为变化缓慢部分（见图4）。

（4）去噪可视化

将分解后的小波进行去噪处理，即删除异常点。方法为：采用IQR（四分之一箱图）检测异常值，发现噪声点，并通过可视化标记，同时利用均值平滑法去除噪声点。对价格影响因素的基函数曲线去噪，标记噪声点，去除噪声。

（5）重构可视化输出

小波基函数通过小波预测模型叠加，得出小时间段拓展的价格随时间变化的函数，预测局部价格走势。高通滤波过滤变化激烈部分可以预测局部短周期，低通滤波过滤缓慢变化部分可以预测长周期（见图5、图6）。

以中国移动通信集团重庆有限公司（以下简称重庆移动公司）为例，验证方法的可行性和有效性，采购物资呈现以下特点。

原材料型产品品类多，主要产品类别为金具及铁附件、铜排、铜鼻子、通信电杆、美化天线蓄电池等，细分产品小类较多。

涉及原材料类型多：主要为钢材、铜、锌、水泥、树脂、铅等；

产品需求量不定：主要用于基础网络建设，随着网络模式更迭，网络建设用产品需求量存在波动。

选取2015年~2021年约160种小类原材料型物资，分别统计小类物资各年度的采购节点、采购单价、采购数量等情况后发现，部分物资在物资原材料市场价格上涨时，单次采购数量较多，采购较优；经对比后分析，约52.94%的物资采购时机和采购周期可优化，约47.06%的物资采购时机和采购周期较优。

原材料物资采购时机与市场价格波动时机不匹配。体现为在价格方面，采购价格与市场低位价格不完全重合；在采购间隔时间方面，按需采购，采购频次不定。以重庆移动公司原材料物资采购情况为基础，展开原材料物资采购周期分析。

1.小波预测价格走势与实际价格走势对比

以2020年~2022年重庆移动金具产品采购为例，做例证说明，将小波预测价格走势与实际价格走势做对比分析（见图7）。

2020年~2022年，金具产品的实际采购价格与预测价格的走势一致。预测与实际的高点月均在2021年7月，低点月均在2022年8月，预测和实际一致；2020年11月~2021年4月，均处于上升趋势；2021年4月~2022年3月，均处于上下波动状态；2022年3月~2022年8月，均处于下降趋势；预测价格与实际价格的相对误差在[-2.93%，2.95%]范围内，在误差正常的范围内，预测价格与实际价格相差较小且变化趋势一致，进一步验证其他原材料物资计算结果。

2.各类原材料价格预测

（1）钢材价格预测结果

钢材价格预测分析（见图8）

①产品：钢材类物资（金具、钢管、钢绞线等）。

②整体情况：预测2023年～2024年上半年价格整体呈现小幅上涨后震荡筑底的趋势；

③价格变化幅度：以2023年1月价格为基准，2023年后续限价变化幅度预估为[-6.07%,2.59%] ；

④采购场景：拐点未现，暂不建议设置长期采购周期；

⑤备货场景：合理规划订单量，避免后续采购价格盘跌但仍有高价库存情况；

（2）铜价格预测结果

铜类价格预测分析（见图9）

①产品：铜类物资（铜鼻子、铜排等）。

②原材料铜，预测2023年~2024年上半年价格整体呈现小幅上涨后稳步下降的趋势，中间小幅波动；

③以2023年1月价格为基准，2023年后续限价变化幅度预估为[-9.91%,-0.43%]；

④采购场景：2023年，结合铜价格变化趋势，综合分析选取相对价格较低点作为采购下单点，建议选择铜类产品采购时机为2023年2月，采购窗口期的间隔时间最好为10个月 ；

⑤备货场景：2023年下半年，价格持续下跌，同时考虑备货满足期受需求计划、物流时效、库存量、采购周期等因素的影响，因此建议备货满足期为4周。

以2021年金具产品为例，通过小波分析预测，在钢材市场价格下浮的大背景下，得出结论：

①计算出来的最高限价更接近中标价，比原设定限价低9.31%；

②切换采购时间节点可节省采购成本70.36万元。

2021年，金具产品两次实际采购时间分别为3月和9月，采购周期分别为6个月、8个月。采购周期符合价格周期变化走势，形成跟随价格周期性采购，且满足需求期内低价位采购，有效避免采购成本增加（见图10）。

（3）其他产品的价格也可以同样预测，见表1。

（4）基于计算结果的采购策略建议

以2023年为例，在原材料型产品价格固定型应用场景方面，针对钢材、水泥及铜三种原材料进行采购建议：

①钢制产品采购建议：钢制产品的建议采购窗口期为2023年5月和2023年11月。

②水泥制产品采购建议：水泥制产品的建议采购窗口期为2023年4月和2023年12月。

③铜制产品采购建议：铜制产品的建议采购窗口期为2023年2月和2023年8月。

（5）推广应用情况

①通过分析中国移动集团四川有限公司的历史采购项目，并运用上述方法以及预测结果，计算出该方法使得采购成本减少4080021.16元，节约比例为2.5%；

②通过分析中国移动集团青海有限公司的历史采购项目，并运用上述方法以及预测结果，计算出该方法使得采购成本减少5654.9元，节约比例为1.33%。

③通过分析中国移动集团河北有限公司的历史采购项目，并运用上述方法以及预测结果，计算出该方法使得采购成本减少15479.73元，节约比例为1.5%。

④通过分析中国移动集团山东有限公司的历史采购项目，并运用上述方法以及预测结果，计算出该方法使得采购成本减少2868717.02元，节约比例为9.07%。

本文研究了基于小波分析的原材料价格预测方法，全面系统分析了该方法在实际采购决策中的可行性、有效性及实际成本节约效果。

以重庆移动公司为例，将基于小波分析的价格预测方法应用于金具等多种原材料，在实际市场情况下进行对比，2020年~2022年金具产品的实际价格与预测价格走势高度一致，预测误差在合理范围内，为企业提供了科学的价格变化参考。在具体的采购项目中，约52.94%的物资显示出采购时机和周期的优化空间。对不同原材料类型如钢材、水泥、铜等进行了详细的预测分析，提供了具体的最佳采购窗口期建议，帮助企业在合适时机进行采购。并在四川、青海、河北及山东等多个公司推广应用，效果显著。

该方法不仅在采购决策上提供了有力支持，也为企业实现市场敏捷性和竞争力的提升提供了新的思想方法。

★本会《招标采购管理》杂志拥有此文版权，若需转载或复制，请注明来源于《招标采购管理》，标注作者，并保持文章的完整性。否则，将追究法律责任。