时间序列预测模型在中小企业中的应用研究.pdfVIP

2015年1月 安阳工学院学报 Jan.2015 第14卷第1期（总第73期） JournalofAnyangInstituteofTechnology Vol.14No.1（Gen.No.73） 时间序列预测模型在中小企业中的应用研究 徐大伍 （安徽机电职业技术学院人文管理系，安徽 芜湖241000） 摘 要：文章应用几种不同时间序列预测方法对中小企业销售额进行建模并预测，旨在建立适用于中小企业的预测方 法和预测模型，收集了某企业某产品2006~2012年各月销售额数据，利用时间序列中的回归模型、ARIMA模型对其进行拟 合建模，并运用各模型对2013年前6个月的销售额进行了预测及比较分析，从中选出预测精度相对较高的模型。 关键词：时间序列模型；中小企业；预测 中图分类号：F224 文献标志码：A 文章编号：1673-2998(2015)01-0034-04 中小企业为了在竞争日益激烈的市场中占据 为博克斯-詹金斯模型，它是将预测对象随时间变 有利地位，需要根据自身的特点对市场审时度势， 化形成的序列，看成是一个随机序列。其基本模 编制有关生产、销售、资金、物资、新产品开发、市 型有三种：AR（自回归）模型；MA（移动平均）模型； 场选择等计划。为保证计划的准确性和合理性， ARIMA（自回归移动平均求积）模型。前两种模型 需要在编制前对项目进行预测，但是在预测过程 实际上是ARIMA（自回归移动平均求积）模型的特 中常面临诸多问题如：市场变化较大，不确定因素 例。ARIMA模型应用前提是时间序列必须是平 较多；随机出现的订制产品多；产品更新快；受节 稳的，如果序列不平稳，应对序列进行差分处 日、季节因素影响等。为此，本文将时间序列预测 理。该模型是描述非平稳随机序列的最常用的 法应用到中小企业的预测工作中。此方法不在乎 一种模型，是目前最好的随机时序预测法，可以 数据的产生背景，受主观因素影响小，任何可用时 综合考虑序列的长期趋势、季节变动、循环变动 [3] 间序列表示的信息，均可用时间序列分析理论进 及随机干扰 。 行预测。 二、应用实例 一、时间序列预测方法 时间序列预测法的正确使用，将对中小企业 时间序列预测是指，根据被预测事物的过去 经营的决策起到很好的指导作用。表1以某企业 和现在观测值的特性，构造依时间t变化的相应时 2006~2012年某消费产品的销售额为资料，以此数 [1] 序模型，再借助于某种规则来推测未来 。时间序 据分别建立回归模型和ARIMA模型，并分别用这 列预测的方法有很多，下面介绍其中比较重要的 两个模型对2013年前6个月的销售额进行预测及 两种预测方法。 效果比较，分析由SPSS19软件完成。 （一）回归预测法 （一）回归模型 回归预测法是分析时间序列最常用的方法之 1.建立模型 一，它适用于无周期变动的时间序列，一般用于作 绘制序列图如图1。从图1直观地看，序列有 短期预测。在分析时间序列时，以时间为自变量 明显的上升趋势性及周期变动性，逐年的销售额 X，所观察的某项变量或指标为因变量Y，对Y建立 呈现波动的趋势，且年内也呈现波动。根据此序 关于X的回归方程，即为回归预测。根据Y与X依 列特点初选用回归模型中的“Linear”“Logarith⁃ 存变化关系的不同可分为：线性模型、对数曲线模 mic”“Quadratic”“Power”“Exponential”五种模型对 型、指数曲线模型、二次模型、三次曲线模型、幂指 其建立模型。在 SPSS19 中用Analyze→regres⁃ 数曲线模型、复合模型、生长曲线模型、S曲线模