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_第1頁
已閱讀1頁,還剩3頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

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

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論