ARIMA模型及TOPSIS分析法在集团公司结算备付量预测中的应用与研究.docVIP

ARIMA模型及TOPSIS分析法在集团公司结算备付量预测中的应用与研究 　　摘 要：ARIMA模型广泛应用于时间序列的分析预测，TOPSIS法在多方案、多指标综合选优方面表现出众，本文将这两种方法应用于企业集团财务公司资金备付量的预测分析中，在安全备付的同时，实现资金收益率最大化。 　　关键词：ARIMA模型；TOPSIS分析法；预测 　　ARIMA模型广泛应用于时间数列的预测与分析。 　　TOPSIS法的全称是“逼近于理想值的排序方法”（TechniqueforOrderPreferencebvSimilaritytoIdealSolution），是一种适用于多指标、对方案进行比较选优的方法。 　　内蒙古电力集团为实现集团公司资金集约化管理水平，于2016年组建了财务公司，2016年4月开始运作以来，累计代理集团支付资金额达1800.75亿元，为更好实现资金结算作用，保障资金备付，需准确预测日资金备付量。本文将以上两种方法应用于集团公司资金备付量的时间序列预测模型及方案选优，通过预测模型得到预测的资金备付量，提升资金备付准确率，在实现资金安全备付的同时提高资金收益率。 　　本文以2016年4月1日至11月28日累计167天的的资金支付情况做为时间序列，分时间序列分析、建立ARMA模型、TOPSIS法方案选优确定模型、预测四个部分进行说明，最终实现ARIMA建模和多方案选优，为企业资金备付量选定最优预测模型并加以应用，填补集团财务公司资金备付量预测的空白。 　　一、时间序列分析 　　1.绘制序列相关图 　　采集2016年4月1日至11月28日止167天的支付金额做为时间序列，利用EVIEWS软件，建立工作文件，建立以日为频率的序列B，生成时序图，如图所示： 　　2.ADF单位根检验 　　通过时序图判断序列是平稳的，可以通过统计检验来进一步验证其平稳性。 　　由检验结果所知，单位根检验的t检验值-11.95665小于各检验水平下的临界值，所以B序列为平稳序列。 　　3.确定自相关函数与偏自相关函数 　　从B序列的自相关函数和偏自相关函数图中可以看出，AC（自相关函数）和PAC（偏自相关函数）都是拖尾的，基本全部落入置信区间，因此可以设定为ARIMA过程。 　　二、ARIMA建模 　　1.参数估计 　　根据B序列的自相关函数和偏自相关函数图，得到以下14个方程：使用EVIEWS软件，利用最小二乘法，得到参数估计结果。 　　2.模型检验 　　对模型参数估计后，进行残差检验。由于样本个数是167个，m=16，p+q的值等于p和q的阶数相加，Q统计量由对应方程得到的残差序列计算自相关函数的m阶所对应的Q值确定，（m-p-q）临界值从分布分位数表中选取显著水平α=0.05，n=m-p-q时的值。得到以下结果，如表1所示： 　　如果Q统计量≤（m-p-q），则表示通过检验，表示该模型是适用于该时间序列的。通过以上检验，14个方程的残差检验有3个未通过检验，如何从剩下的11个方案中选取一个最优方程作为预测模型是下一阶段主要解决的问题。 　　三、TOPSIS法方案选优 　　使用TOPSIS分析法，利用逼近理想解的排序方法进行选优。首先，将11个方程分别生成拟合序列，对得到的拟合序列分别计算均值等各项指标，然后，求其自相关系数，取q=1时的AC，并分别计算各拟合序列值与实际序列值的差并取绝对值，然后对数据进行标准化，然后根据相关系数的指标权重的确定方法来计算各指标所占的权重。首先，建立以上指标的相关系数矩阵，然后对其进行绝对值求和，然后计算其重要度，最后进行归一化，得到各项指标的权重。 　　根据各指标权重对各方程拟合数列指标值与原序列值差的绝对值进行权重化。然后得到理想解和负理想解。理想解的选取原则为：调整后的可决系数选取最大值，其余各项指标取最小值；负理想解的选取原则为：调整后的可决系数选取最小值，其余各项指标取最大值。利用公式（1）、（2）及（3）： 　　模拟序列与理想解的距离（i=1，2，...9） （1）； 　　模拟序列与负理想解的距离（i=1，1，...9） （2）； 　　与理想解的相对接近程度，（i=1，2，...9） （3）。 　　式中：Cij表示第i个序列第j个指标值； 　　Cj+表示理想解的第j个指标值； 　　Cj-表示负理想解的第j个指标值。 　　计算得到各方程拟合序列与理想解及负理想解的距离，对应的模拟序列如是理想序列，它与理想解距离最小，与理想解的相对接近度越高越好，表示与实际序列越接近，计算结果如表2所示： 　　表2 模拟序列与理想解及负理想解的距离 　　 　　从上表2可以看出，模拟序列与理想解的相对接近度最大的是（3，0，3）序列，因此，选用ARIMA