基于arma模型對武漢再制造企業(yè)的廢舊汽車可回收量的預測

1、<p>　　基于ARMA模型對武漢再制造企業(yè)的廢舊汽車可回收量的預測</p><p>　　作者簡介：付小偉，中南財經政法大學工商管理學院。 </p><p>　　摘 要：在從事汽車再制造零部件的生產中，面臨著很多不確定性因素，包括回收率、回收量、回收時間、需求水平、回收零部件的質量和組成成分等等，其中對回收量的準確預測是十分重要的一環(huán)，因為它關系到整個運作生產計劃和預期的利潤。

2、ARMA模型是是一種精度較高的時序短期預測方法，因此我們根據(jù)歷史數(shù)據(jù)，運用殘差序列相關圖、偏相關圖的分析，選擇并建立ARMA模型并對模型進行檢驗，然后對回收量進行較為準確的預測，以利于企業(yè)制定生產計劃和實現(xiàn)供需的平衡。 </p><p>　　關鍵詞：回收量；ARMA模型；汽車再制造 </p><p>　　目前，“循環(huán)經濟”已作為口號提出來并受到國家的重視，因此國家大力推行汽車零部件的再制造

3、，國家首批試點汽車零部件再制造企業(yè)共14家，　武漢東風鴻泰控股集團是武漢惟一獲得國家“汽車零件再制造”授權的企業(yè)，翻新出來的部件不再使用到新車上，而是作為配件銷售給修理廠或4s店，公司的廢舊零部件主要是通過神龍公司的4s店系統(tǒng)幫助回收舊件。而舊件的回收是十分關鍵的，因為它決定著公司生產能否順利進行，供需能否達到平衡，企業(yè)能否實現(xiàn)最大利潤等等，因此對回收零部件的預測是十分重要的，而國內對于零部件的回收預測的研究較為缺乏，主要集中于物流網絡

4、構建的研究上，因此本文通過建立ARMA模型對零部件進行回收預測，以期對企業(yè)的發(fā)展有指導意義。 </p><p><b>　　1 模型識別 </b></p><p>　　首先，我們從國家統(tǒng)計局和武漢統(tǒng)計局售價歷史數(shù)據(jù)，得出汽車平均報廢率4.51%，報廢汽車的平均回收率為40%。汽車保有量數(shù)據(jù)為：1996年湖北汽車保有量為37.90萬輛，武漢汽車保有量的估計量為15.16

5、，1997年湖北汽車保有量為41.43，武漢汽車保有量的估計量為16.572，1998年湖北汽車保有量為43.22，武漢汽車保有量的估計量為17.288，1999年湖北汽車保有量為46.46，武漢汽車保有量的估計量為18.584，2000年湖北汽車保有量為47.55，武漢汽車保有量的估計量為19.02，2001年湖北汽車保有量為52.33，武漢汽車保有量的估計量為20.932，2002年湖北汽車保有量為62.33，武漢汽車保有量的估計量

6、為24.932， 2003年武漢汽車保有量271391，湖北汽車保有量72.86，2004年武漢汽車保有量334567，湖北汽車保有量77.83，2005武漢年汽車保有量370609，湖北汽車保有量86.24，2006汽車保有量418667，湖北汽車保有量98.74，2007汽車保有量484111，2007年湖北汽車保有量115.46。以上數(shù)據(jù)構成一個回收</p><p>　　武漢汽車的回收量一直呈上升趨勢，近似

7、于指數(shù)增長模型。然后對其做一階差分。 </p><p>　　利用Eviews做數(shù)據(jù)的自相關和偏相關得出自相關系數(shù)并沒有很快地趨于0，即序列是非平穩(wěn)的。然后對序列做一階差分，發(fā)現(xiàn)自相關系數(shù)依然沒有很快地趨于0，因此序列依然是非平穩(wěn)的。對序列做二階差分發(fā)現(xiàn)自相關系數(shù)較快地趨于0，因此此時序列是平穩(wěn)的，但高階差分也存在著一定的缺陷性，因為它并不能反映原序列的長期特征或季節(jié)特征，會丟失信息。因此，我們首先用指數(shù)曲線來擬合

8、序列的長期趨勢： </p><p>　　擬合的效果非常好，擬合度高達0.963，其中 為殘差序列。對殘差序列進行自相關和偏相關分析 </p><p>　　可看出殘差序列為平穩(wěn)序列，自相關系數(shù)和偏相關系數(shù)在滯后期一期后都落在95%的置信區(qū)間 </p><p>　　自相關系數(shù)和偏相關系數(shù)均有拖尾性，在一期后均落入置信區(qū)間，因此P可以取1或2，q也可以取1或2，對序列可

9、建立的模型有ARMA（1，1），ARMA（1，2）ARMA（2，1）ARMA（2，2） </p><p><b>　　模型為： </b></p><p>　　2 模型的參數(shù)估計 </p><p>　　通過模型識別和確立模型的階數(shù)后，我們進行參數(shù)估計 </p><p>　　此外，數(shù)據(jù)分析結果表明，滯后多項式的倒數(shù)根都落在

10、了單位圓內，所以過程是平穩(wěn)的。 </p><p>　　由上述結果分析可得，模型的擬合度即 都非常地高，而對于AIC和SC的值來說，ARMA(2,2)模型的值分別為-3.304151，-3.122599，相對于其他模型來說，它的值最大，因此可以認為ARMA(2,2)模型更加合適，因此我們選擇ARMA(2,2)模型為最終模型。 </p><p>　　3 模型的適應性檢驗 </p>

11、<p>　　對模型進行參數(shù)估計后，對ARMA（2，2）模型進行適應性檢驗，即對模型的殘差序列進行白噪聲檢驗，即滯后期 時，序列的自相關系數(shù)為0，在產生的自相關分析圖中，包括對殘差序列進行的 檢驗，即 統(tǒng)計量和相伴概率。對于本文中的ARMA模型的檢驗中，自相關系數(shù)均為0，均落在了置信水平95%內的區(qū)間內，而且拒絕原假設的P值均很大，即不能拒絕序列相互獨立的原假設，因此通過檢驗。 </p><p><

12、;b>　　4 回收預測 </b></p><p>　　1997～2006年的回收預測結果 </p><p>　　其中，預測精度MAPE為2.69，表明預測精度相對較高，根據(jù)所建立的ARMA(2,2)可以對武漢汽車再制造業(yè)可回收的廢舊零部件進行短期預測。 </p><p><b>　　5 結語 </b></p>&

13、lt;p>　　本文以武漢再制造企業(yè)可能回收的廢舊零部件的數(shù)量為研究對象，通過搜集歷史數(shù)據(jù)，利用Eviews時間序列分析軟件對歷史數(shù)據(jù)進行分析，以找出規(guī)律，并進行預測。首先，通過建立指數(shù)回歸模型消除了序列中的長期趨勢，然后利用相關理論對殘差進行分析，并對模型進行識別和檢驗，最終選擇了ARMA（2，2）模型對回收量進行預測。對回收量的準確預測有助于企業(yè)更好地做出生產和庫存決策，以實現(xiàn)最大利潤同時承擔社會責任，因此企業(yè)可以利用所建模型對