四川省六大工业城市成本费用利润率组合预测的研究.docVIP

四川省六大工业城市成本费用利润率组合预测的研究 　　摘要：文章综合利用统计数据建立成本费用利润率指标的AC―GMDH组合预测模型，预测四川省六大工业城市（成都、攀枝花、德阳、绵阳、乐山、宜宾）2007年4季度至2008年1季度成本费用利润率，并根据预测结果来分析成本费用利润率未来的景气变动趋势。 　　关键词：成本费用利润率；AC模型；GMDH模型；组合预测 　　 　　一、 引言 　　 　　成本费用利润率是利润总额与成本费用总额的比率，成本费用利润率（成本利润率）是综合反映企业经济效益水平的最佳指标，《工业企业财务制度》附件二中规定的计算公式为：成本费用利润率=×100% 　　从公式中，我们可以看到，企业成本费用利润率高，说明企业可以投入较少的劳力，创造出更多的利润，反映企业的获利能力强，经济效益好。 　　从国内的研究现状看，大部分都是着重于改进成本费用率的计算方法。方法主要有回归分析法、量本利分析法、因素测算法、高低点预测法等，近几年又出现了灰色预测等方法。 　　这些预测方法都有一定的作用，但在历史资料的利用、预测的全面性、模型的动态可变性及学习功能等方面都还有欠缺。本文中主要采用AC―GMDH组合预测的方法，直接预测四川省六大工业城市2007年4季度~2008年1季度的成本费用利润率。 　　 　　二、 AC―GMDH组合预测的原理 　　 　　AC模型即相似复合体模型，AC方法可以看作是复杂对象的预测、聚类和分类的一种邓列模式识别方法。与通常的参数模型相比，在对输出变量进行预测时，AC算法不需要预先对输入变量的发展趋势进行估计或作假设，这也是它优于一般预测方法的特点。而GMDH自回归模型是将自组织数据挖掘中的GMDH算法与传统自回归模型相结合而产生的一种预测方法，它区别于一般回归模型的最大的优点是它使用外准则进行中间候选模型的选择。同时，它可以自动选择变量最理想的滞后阶数进入模型，从而降低人为因素的干扰。 　　当以上两种预测方法单独使用时，其预测的准确度在很大程度上取决于所选取相似模式的相似度，在我们现在样本数据不全面的情况下，很可能无法选出一个合适的参照模式，因而导致预测结果出现偏差。所以，我们要结合这两种方法来进行弥补。 　　所谓组合预测模型，就是将不同的预测方法进行组合，综合各种方法所提供的有用信息从而尽可能地提高预测精度。2003年诺贝乐经济学奖得主、美国加利福尼亚大学的C.Granger教授关于组合预测的评价是：“组合预测提供了一种简便而实用的可能产生更好预测的途径。” 　　 　　三、 四川省六大工业城市成本费用利润率预测 　　 　　作为四川省的六大工业城市，成都、绵阳、德阳、乐山、宜宾和攀枝花更是在四川的工业经济发展中起着举足轻重的作用。在文章里，我们运用AC―GMDH组合预测的方法对这几个工业城市的成本费用利润统治指标进行了组合预测。 　　1． 历史数据分析。建模所需数据全部来自四川省六大工业城市2002年1季度~2006年4季度，以及2007年2月份、5月份、8月份的数据，根据原始的景气调查和统计数据，提取了59个变量构成变量集，再从中选择一系列变量建立产成品存货的预测模型。因为2007年前三个季度数据不完整，只有2月份、5月份、8月份的值，利用计算机建立GMDH模型，估测出2007年前三个季度的成本费用利润率，而后再根据所有的历史数据进行预测。 　　2． 模型预测。首先建立四川省产成品存货的AC预测模型。在建立AC模型之前，必须对各变量进行分析。通过反复试验，逐步剔除模型中不显著的变量，得到最终的预测模型。利用SPSS软件，对所有变量进行相关分析，得到的相关系数矩阵。根据相关系数矩阵找到与成本费用利润率显著相关的7个指标，如表1所示。 　　根据模型预测2007年第4季度和2008年第1季度六工业城市的成本费用利润率如表2所示。 　　表2AC模型预测值 　　 　　其次，建立GMDH自回归模型，并根据模型预测2007年第4季度到2008年第1季度六大工业城市的成本费用利润率。预测结果如表3所示。 　　最后，建立AC模型和GMDH自回归模型的组合预测模型。使用权系数组合预测法，经过反复尝试，得到如下的组合预测模型，并得组合预测值如表4所示。 　　Y=2.55-0.38*AC+0.94*GMDH 　　于是可得其发展趋势如图1所示。 　　从图1中可以看到，从2007年1季度~3季度，各主要工业城市的成本费用利润率变化微小，每季度的成本费用利润率基本持平。成都、乐山两个城市的成本费用利润率分别平均为7.21%和6.98%；德阳市和攀枝花市每季度平均成本费用利润率分别为11.01%和5.27%；宜宾市的成本费用利润率最高，平均每季度达到13.93%；而绵阳市在这个