基于ARIMA模型和BP神经网络销售组合预测的研究.pdfVIP

3 6 学术 Academic 基于ARIMA模型和BP神经网络 的销售组合预测研究＊ 张昉 ZHANG Fang周宗放 ZHOU Zongfang 电子科技大学经济与管理学院 成都 610054 摘 要 在ARIMA模型和BP神经网络两种单一预测模型的基础上，根据组合预测误差平方和最小原则构 建一种线性组合预测模型，并将其应用于销售预测中。实证结果表明，该组合预测模型能有效提高销售预测 精度，具有良好的应用前景。 关键词 销售预测 ARIMA模型 神经网络BP 组合预测 线性组合预测 中图分类号 F830文献标识码 A文章编号 1674-1722(2009)07-0036-06 一、引言 菲法等；定量预测方法则包括：时间序列分析法 （JohnT， 2004）、回归和相关分析法（JohnT，2004）、 销售预测是指对未来特定时间内，全部产品或 以神经网络（仲东亭，2007）和支持向量回归机（魏宏 特定产品的销售数量与销售金额的估计（Bates JM， 业，2005）为代表的人工智能技术等。定性预测方法 1969）。销售预测是在充分考虑未来各种影响因素的 简单易行，但主观性较强，对于未来变化趋势难以做 基础上，结合本企业的销售实绩，通过一定的分析方 出精确的说明，对各种预测目标之间相互影响的程 法提出切实可行的销售目标。通过销售预测，可以调 度难于做出量的说明，对预测结果难以估计其误差 动销售人员的积极性，促使产品尽早实现销售，以完 和评价其可信程度。定量预测方法受主观因素的影 成使用价值向价值的转变；企业可以以销定产，根据 响较少，克服了定性预测方法的缺点。然而，单一预 销售预测资料，安排生产，避免产品积压。由此可见， 测方法所用到的信息是有限的，对同一问题只采用 准确、可靠的销售预测对企业营销计划制定、安全库 一种方法进行预测，其预测精度往往不高，预测风险 存和现金流正常运转等均具有十分重要的意义。 较大。由于不同的预测方法所用到的信息是不相同 目前，销售预测中常用的定性预测方法有：高级 的，Bates JM（1969）和Clemen RT（1989）都曾提出， 经理意见法、销售人员意见法、购买者期望法和德尔 可以将各种单一的预测结果进行组合得到一种组合 *基金项目：国家自然科学基金资助项目 作者简介 张 (1986—)，女，江苏淮安人，电子科技大学经济与管理学院硕士研究生，研究方向：信用风险管理、金融工程、库存管理 等。周宗放(1950—)，男，四川成都人，电子科技大学经济与管理学院博士生导师，教授，研究方向：信用风险管理、金融工程、运筹优化 等。 3 7 预测结果，以达到改善预测效果的目的。 ARIMA(p,d,q)模型的具体建模步骤如下（高铁 ARIMA模型在经济预测过程中既考虑了经济 梅，2006）： 现象在时间序列上的依存性，又考虑了随机波动的 （1）平稳性检验。一般通过时间序列的散点图或 干扰性，对于经济运行短期趋势的预测准确率较高 折线图对序列进行初步的平稳性判断，并采用ADF （高铁梅，2006）。神经网络是20世纪40年代发展起来 单位根检验来精确判断该序列的平稳性。（2） 的一种预决策技术，因其具有极强的非线性动态处 ARIMA模型识别。所谓随机时间序列的识别，就是 理能力，强大的自适应、自学习功能而被广泛应用于 对于一个平稳过程的随机时间序列，找出生成它的 不同领域，其中，BP神经网络是最具代表性和应用最 合适的随机过程或模型，即判断该时间序列是遵循 为广泛的一种网络模型（杨行峻，2003；董长虹， 一纯AR过程，还是遵循一纯的MA过程或ARIMA过 2007）。由此，本文在ARIMA模型和BP神经网络两种 程。（3）ARIMA