经对比分析，XGBoost在捕捉非线性关系和应对复杂数据方面更具优势。

　　随着国际航运业对船燃市场需求的不断提高，低硫船用燃料油逐渐成为市场需求的焦点。舟山作为我国主要的船燃供应中心，其低硫船燃价格波动对航运经济、能源市场和决策具有重要影响。因此，准确预测舟山低硫船燃的短期价格具有显著的实际意义。

　　传统时间序列模型如ARIMAX在长周期、平稳数据预测中表现良好，但在短期时间序列中，尤其面对复杂的非线性价格波动时，其预测效果存在局限性。近年来，机器学习模型如XGBoost凭借对非线性关系建模的优势，为短期时间序列预测提供了新的解决方案。本文研究对比了ARIMAX与XGBoost两种模型在舟山低硫船燃价格预测中的应用。结果表明，XGBoost在捕捉非线性关系和应对复杂数据方面具有优势，而ARIMAX在解释性和处理平稳时间序列方面更具优势。

　　两种模型特征进行比较

　　本文分别对ARIMAX与XGBoost的优势与局限进行了对比分析，为后续模型选择与优化提供理论依据和实证支持。

　　ARIMAX的主要优势如下：一是只需要较少变量作为载体，即能够依据历史数据建模，较少依赖其他变量。二是其适用于趋势分析，无论线性还是非线性，ARIMAX能够有效差分数据后建模，对于分析及预测变化特征具有良好优势。三是其拥有良好的模型检测能力，能够识别残差自相关性，有利于识别和检测异常结果。尽管ARIMAX在时间序列分析领域有着广泛的应用，但存在着明显的局限性。比如面临高度复杂的时间序列或非线性序列难以捕捉时间序列中的隐含特征，操作层面需要手动调整多个参数，人工风险较大等。

　　XGBoost的主要优势如下：一是非线性建模能力强，能够捕捉时间序列中的非线性信息及特征，提高了模型的精准度和使用范围。二是能够识别处理数据中的缺失值，使得在数据不完整时能够选择最优拟合。三是能自动识别与评估各变量的重要性并高效筛选出有用的特征，减少了人工处理，使得预测工程更精准与自动化。四是采用并行化计算技术，能够即时接受最新的数据，并快速更新到模型中，无须从头训练模型，极大地提高了模型训练效率。五是正则化机制能够自动处理并适应噪声大的数据，控制拟合程度，鲁棒性强，抗噪性高。六是对于非平稳时间序列预测具有更高强适用性。尽管在短期预测中表现优异，但XGBoost也具有一些不足：比如使用模型的成本更高，计算机性能等硬件要求较高、预测结果不能直接解释变量间的关系等。

　　总之，在短期时间序列预测中，XGBoost凭借其非线性建模能力、对数据缺失与噪声的适应性、特征选择的自动化及快速高效的模型训练过程，相较于ARIMAX表现出显著优势，并成为广泛使用的理想预测模型。

　　系统评估两种模型设计思路

　　研究采用对比匹配的实验设计，系统评估ARIMAX和XGBoost对舟山低硫船用燃料油价格的预测效果，研究设计思路如下。

　　在自变量选取上，研究基于船燃市场的价格形成机制，从国际原油价格、进出口量、船运指数、高低硫价差等维度选取关键影响因素作为外生变量。在样本选取上，选取2021年1月至2024年6月这一政策环境相对稳定、市场波动平缓的时段作为样本区间。在模型构建上，确保ARIMAX和XGBoost在一致的环境下进行预测。

　　为全面探究舟山低硫船燃价格的影响因素，在实际市场机制分析的基础上，研究选取包括能源价格、宏观经济、航运供需、区域市场结构以及季节性因素等多个维度的自变量，并对所选变量与舟山低硫船燃价格之间的关系进行了统计显著性检验。检验结果显示，所有自变量均通过显著性检验，表明其对舟山低硫船燃价格存在显著影响，具备纳入后续建模分析的合理性与必要性。

　　XGBoost模型更适用于价格短期预测

　　本文通过构建ARIMAX和XGBoost两种模型，探究其在舟山低硫船燃价格的短期预测中的表现和特性。研究采用了特征选择、样本匹配和模型训练等步骤进行建模，并对比两种模型的预测精度与误差。

　　为评估ARIMAX与XGBoost模型的预测能力，研究以2021年1月至2023年12月的数据作为训练集，构建包含外生变量的预测模型，并预测2024年1月至2024年6月的舟山低硫船燃价格。将预测价格与实际舟山低硫船燃价格进行对比，计算各期的绝对误差(AE)和绝对百分比误差(PE)(如表所示)。

　　从预测结果来看，ARIMAX在部分月份预测误差较小，如第2024年2月的预测结果的百分比误差仅为1.00%，表现出一定的趋势跟踪能力。但在部分月份，如2024年1月和6月，模型出现明显高估情况，百分比误差分别达到了8.75%和16.20%，表明对局部波动的响应相对滞后。XGBoost模型预测表现相对稳定，除2024年1月外，各月份预测的绝对百分比误差均低于5%，说明XGBoost作为一个非线性模型，对常规波动趋势具有良好的拟合能力。

　　从整体模型表现来看，XGBoost的平均绝对百分比误差(MAPE)为2.78%，低于ARIMAX的平均绝对百分比误差6.74%，且XGBoost的均方根误差(RMSE)为22.21，低于ARIMAX均方根误差49.75，说明XGBoost整体预测误差更小，拟合效果更好，在控制大幅偏离值方面具有显著优势。

　　综上所述，两种模型对于舟山低硫船燃价格均展现出一定的预测能力。XGBoost模型凭借其非线性拟合优势，在整体误差控制和趋势跟踪方面表现更为优越，更适用于舟山低硫船燃价格的短期预测。

　　本文作者为中国石油浙江销售公司总经理、党委副书记

　　责任编辑：周志霞