上市公司可持续发展的理性思考 -------------------------------------------------------------------------------- [摘要] 我国上市公司业绩缺乏稳定性和成长性的原因是很复杂的,既有企业方面的内因,也有经济环境方面的外因。但内因是最关键的,是起决定性的因素。目前,完善上市公司治理结构首先要解决上市公司的独立性问题,真正落实人员、财务、资产〃三分开〃,尤其是要解决上市公司两头(采购和销售)在外的问题,从而真正减少关联交易,提高业绩的可靠性。其次是要把上市公司建立现代企业制度作为对上市公司监管的重要工作来抓,在上市公司重组和再融资中加以严格落实。 面临的最大难题 我国上市公司业绩缺乏稳定性和成长性的原因是很复杂的,既有企业方面的内因,也有经济环境方面的外因。但内因是最关键的,是起决定性的因素。总括起来,以下三个因素是最普遍的因素: 第一,缺乏核心能力,产业衰退时企业随之衰退。 当我国经济由卖方市场进入买方市场以后,大部分传统产业出现了产能过剩、竞争加剧、利润率下降的态势,许多原来高成长、高盈利的产业已转入低增长、低利润甚至出现行业性亏损的不良态势或者沦为衰退产业。随着传统产业环境的急剧变化、甚至衰退,越来越多的上市公司不得不滞留在衰退产业中忍受煎熬,越来越多的上市公司面临着生存危机。 从2001年上市公司业绩预亏和预警的行业分布可以看出产业衰退的程度。到2月底沪深两市共有229家企业进行了业绩预亏和预警,其中家电行业主要是彩电行业共有15家,占第一位;化纤纺织行业有12家,占第二位;商业有10家,居第三;摩托车和自行车行业的公司几乎全部亏损。如因产业的衰退,家电、摩托车、彩管、百货、化肥农药、日用轻工、普通机械和仪表制造等行业的大部分上市公司已陷入亏损的深渊。百货行业的大部分上市企业已是城头更换了大王旗,残存的小部分企业也岌岌可危,队伍是越来越小。 由于中国股市的制度性缺陷,资源优化配置功能未能建立,大量没有发展前景的衰退产业类企业到股市上市融资;或者由于产业本身衰退而企业又没有能力克服产业生命周期的约束,越来越多的上市公司随产业衰退而衰退。因而,产业转型是很大部分上市公司不得不面对的艰难选择,也是我国股市发展中的一大难题。 根据作者的实证研究得到结论,自行车、摩托车、农用车等低技术含量的交通设备制造业,彩电制造和显象管制造业,白酒酿制业,纺织化纤及纺织机械制造业,轻工制造等发生了明显的衰退,其中的大部分产业已经转化为衰退产业,行业内大多数企业长期持续亏损,并有可能是全行业性亏损。 我们只要对这些产业中的上市公司近几年来的业绩和股价变化稍加回顾就不难发现产业衰退的轨迹。通过对这些衰退产业类上市公司的发展史分析,可以得到一个结论:面对产业衰退资本支持不是万能的。资本是企业摆脱产业衰退困境的充分条件,不是充要条件。当产业衰退时企业如果未能及时进行产业转型和产业升级,即使有了资本也脱逃不了企业衰退的命运。这种因产业衰退而使企业衰退的现象在我国上市公司中很普遍。 第二,盲目投资,陷入多元化陷阱。 我国许多上市公司亏损的原因表面上是由于市场竞争激烈、提取存货跌价准备和坏账准备等,实际上是公司盲目投资,过度多元化酿成的苦果。在当前的中国证券市场上,上市公司确实容易产生多元化冲动。因为,一是我国证券市场资源配置功能缺失,企业低成本融资乃至恶性圈钱很容易,造成上市公司投资决策上的随意性;二是价值投资理念遭冷落,股票价格与企业业绩不相关或负相关,各种题材的炒作成了主流,而上市公司跟踪市场热点的多元化投资行为能够制造市场炒作的题材。 近几年来,不少上市公司为了赶时髦或为了顺应二级市场概念性的炒作,纷纷利用上市公司融资通道之优势实施多元化经营。2000年我国上市公司出现了多元化经营热,约有200家上市公司扩大或变更了经营范围。2001年上市公司的多元化倾向更加明显。表面上看,多元化投资使企业〃不把所有的鸡蛋放在一个篮子里〃,似乎减小了风险。但实际上,如果企业实行无关联多元化经营战略,贸然进入不太熟悉的行业,只能获得今天瞬间的〃快感〃,而让明天承受长时间的〃悲痛〃。 正如美国著名的管理理论家德鲁克所言,一个企业的多元化经营程度越高,协调活动和可能造成的决策延误就越多,极大地增加了企业的管理成本。除此之外,多元化投资还将迫使企业从主业中撤出相当部分资金投向外围业务,这对长期培养起来的主业无疑是场〃浩劫〃。长期来看,不仅可能造成资金低效耗散,还会加剧主业长期循环下跌趋势,破坏核心竞争力,酿成主业〃空洞化〃的悲剧。多元化经营不一定会减弱风险,全面出击可能不如重点突破,〃伤其十指不如断其一指〃。提高专业化水平,把主业做大,基础巩固,形成自身的竞争优势,才有可能经受住国内和国际市场的竞争考验。这是国际市场上成功企业一贯遵循的商业准则。 自20世纪90年代末以来,由于全球性经济停滞,一场以剥离和出售非主营业务资产为特征的企业重组运动席卷全球,管理学界称这场重组运动为〃归核运动〃,其目的是通过剥离非主营业务来强化主营业务的竞争力,从而从整体上提高企业的核心竞争力和生存能力。盲目多元化一般是经济繁荣时期的产物,而与多元化相反的〃归核〃行为则是经济不景气时期企业的生存选择。从企业发展史看,多元化缺乏抵抗经济周期的能力,因而风险过大。而以强化企业主营业务提高核心能力的战略才是企业持续发展的良策。在这一方面,我国上市公司不乏成功的经验,但更多的是失败的教训。多元化是许多上市公司失去生存能力的根本原因,缺乏专业化基础的多元化是企业持续发展的大敌。从上述实证分析的结论可知,能够持续发展的企业全部是专业化程度相当高的,专业化的主营业务是企业现金流的基本源泉。尽管这些企业有条件实施多元化战略,但他们始终在主营产业中辛勤耕耘,咬定主营产业不放松,通过专业化不断提升企业的核心竞争力。他们都是所在产业的佼佼者,高度专业化的产品不但占领了国内市场,而且在国际市场上都占有一席之地。相反,许多主业并不突出的上市公司在有了资金后盲目扩张,到后来企业成了无主营业务的公司,企业经营难以为继,并不得不退出证券市场。可以说,大多数ST、PT公司是被多元化葬送的。 第三,公司治理结构不完善,大股东掏空上市公司。 由于我国上市公司治理结构不完善,一股独大的股权结构、信息不透明和宽松的市场环境,大股东往往把上市公司作为提款机,上市公司从市场上恶性圈钱,大股东从上市公司大肆掏钱。大批上市公司正是被大股东掏空后失去生存能力的。这方面的例子不胜枚举。几乎所有的ST、PT类公司都是被大股东掏空所致。如果没有大股东的掏空行为,这些企业不至于亏损大则上50-60亿元,小则几亿元。 大股东掏空上市公司的手法可谓〃花样百出〃。一是大股东赤裸裸地直接侵占上市公司的募集资金。大股东侵占上市公司的募集资金相当普遍,正是由于资产被侵占,上市公司才陷入了死亡深渊。二是大股东利用上市公司大肆担保套取银行资产。估计有200多家上市公司为大股东及其关联企业提供了200多亿元以上的担保,许多上市公司就是因为担保而失去生存能力的。担保葬送了许多有发展潜力的上市公司。三是通过关联交易掏空上市公司。已有越来越多的上市公司通过关联交易被掏空。大股东通过关联交易剥夺上市公司的手法五花八门,有的通过向上市公司出售劣质资产、或以高出市场价格的方式提供原材料和有关服务以及场地(资产)使用权,还有的是拖欠上市公司的销售货款。目前一种比较流行的方式是由上市公司花巨资购买集团公司的商标或专有技术等无形资产。由于无形资产价格缺乏客观依据,这就为大股东掏空上市公司开了方便之门。有的上市公司购买商标的支出超过了公司的全部盈利,无形资产充当了大股东掏空上市公司的有形杀手。四是大股东所持股权被冻结。至今已有100多家上市公司的大股东所持股份部分甚至全部被冻结了,包括许多刚一上市的公司大股东股权就被冻结,如华纺股份上市当天第一大股东全部股份就被冻结。股权冻结将严重危害企业的生产经营。总之,我国上市公司大股东侵占上市公司利益并使上市公司失去生存能力的事例不胜枚举。 众所周知,运用企业能力理论揭示企业发展的奥妙是当今世界的最新潮流。时至今日,战略管理专家们仍然热衷于把企业拥有的特殊能力(核心能力)作为企业持续发展的关键因素,因而企业能力理论也就一跃成为企业战略管理理论研究的时代主旋律。 企业能力理论的一项基本任务就是解释企业产生长期收益的机制是什么,也就是说,阐释企业长期竞争优势的存在及存在的原因,通俗地说,就是解释企业可持续发展的机制。大量的实证研究表明,建立在核心能力基础上的企业竞争优势具有持久性,也就是说核心能力是企业持续发展的基础资源。一个企业如果不具备特有的核心能力,即使在某一时期取得了高速发展,但这种发展也是不能持续的,企业缺乏抵御竞争和防范风险的能力。 对我国上市公司而言,培养核心能力、建立可持续发展机制的主要途径有: 1、树立战略管理理念,从容应对产业变革企业战略是企业竞争力的决定性因素,战略管理是企业经营的首位活动。 战略管理理论认为,企业管理中最重要的问题是企业战略。因环境的不断变化,企业管理的主题也经历了历史的演进过程。安索夫(H·I·Ansoff)将管理主题的演变作了概括。在20世纪初期,战略管理的重点是产品战略,到中期管理主题是市场战略,后来是技术战略,到70-80年代是生产能力战略和资源战略。到80年代以后,战略管理的主题是产业创新。产业创新之所以成为企业战略管理的主题,是与90年代以来企业生存环境的急剧变化相关的:技术革命、竞争全球化及大批新兴产业的诞生等。战略专家波特认为企业战略的核心是产业选择问题和在产业内的竞争地位问题;企业成功来源于两个方面,即企业所处产业的吸引力(产业效益)和企业在该产业中的相对地位。 对我国大多数企业而言,战略管理仍属空白。正由于缺乏战略管理,企业只好盲目跟随市场走,市场流行什么,企业就投资什么,其后果必然是被市场所淘汰。因而树立战略管理理念对我国上市公司具有紧迫性。因为我国正处于经济体制转轨、增长转型的大转折时期,经济发展模式的变革将加速传统产业的衰退。而且,在以信息技术为核心的产业革命的冲击下,产业边界越来越模糊,产业变革越来越快,如产业生命周期缩短和产业结构知识化等对企业管理提出了新的挑战,企业能否从容应对产业方面的大变革是企业可持续发展的关键。尤其是作为衰退产业中的企业如何顺应产业成长周期,及时进行战略调整和产业创新,是企业管理中的紧迫问题之一。 2、克服盲目多元化,通过专业化形成核心竞争力。 从理论上讲,一个企业到底是专业化好还是多元化好尚无定论。专业化和多元化是企业发展战略上的两难选择。但多元化风险大,失败率较高。90年代以来,西方国家企业开始扭转多元化为主的大规模重组,通过大规模的企业剥离、企业分拆使业务重新专业化,以提升企业的核心业务和核心能力。我国企业大多是幼小型企业,主营产业市场占有率不高,核心能力不突出,缺乏实施多元化战略的能力和资源,专业化应是其基本战略。核心竞争力是企业的立足之本,是一个企业区别于其他企业的显著标志。越来越多的证据表明,专业化程度低的多元化企业缺乏持续的核心竞争力,降低了企业抵御外界风险的能力,存在多元化陷阱。面对日益激烈的全球化竞争,在转轨经济和新兴市场国家,低层次的多元化已失去生存的空间。 目前,我国不少上市公司就是因盲目多元化而失去生存能力的。与之形成鲜明对比的是,像深万科、中集集团、五粮液、同仁堂、伊利股份等上市公司却因致力于专业化而形成了牢固的竞争优势和持续的发展潜力。具有持续竞争优势的核心能力是企业持续成长的基本保证,也是企业抵御经济风险的基本要素。近年来,由于全球性经济衰退,国外许多多元化大企业纷纷陷入困境,而专业化企业则安然无恙。因而目前在日本和韩国等国普遍盛行以企业剥离提高专业化程度和核心业务能力为目的的企业重整浪潮。 3、构建以股东为导向的公司治理结构,营造可持续发展的企业制度环境。 目前,我国上市公司的所有制既非传统意义上的国有制,又非国际上标准的股份公司的股东所有制,而是股份公司及其控股公司的员工所有制。控股股东挪用上市公司资金、关联交易、对外担保等危害中小股东利益的现象突出就是其反映。目前,舆论界普遍把上市公司的造假行为归为〃一股独大〃,也就是大股东危害小股东利益。但笔者认为,〃一股独大〃是假现象而非本质。因为中国上市公司中50%以上的股权属国家股,国家股就与普通国有资产一样,徒有虚名,并没有行使股东的权益和义务,也就是说中国上市公司的〃大股东〃是〃假大股东〃,〃大股东〃所依附的上市公司的母公司才是真正的大股东。由于上市公司的员工并未持有本公司的股票,因而理论上大股东危害小股东权益的现象在我国已演变为员工危害股东权益的现象。这就是说,只有真正建立起股东导向的公司治理模式才能从根本上克服上市公司的造假行为和危害股东权益的行为,也就才有可能形成可持续发展的企业制度环境。目前,完善上市公司治理结构首先要解决上市公司的独立性问题,真正落实人员、财务、资产〃三分开〃,尤其是要解决上市公司两头(采购和销售)在外的问题,从而真正减少关联交易,提高业绩的可靠性。其次是要把上市公司建立现代企业制度作为对上市公司监管的重要工作来抓,在上市公司重组和再融资中加以严格落实。如果不准确 自己去论文网找找
股指期货呗~现在最红~资料又多,找个角度就可以了
时代金融摘 要:关键词:一、 引言一个国家的国民经济有很多因素构成, 省区经济则是我国国民经济的重要组成部分, 很多研究文献都认为中国的省区经济是宏观经济的一个相对独立的研究对象, 因此, 选取省区经济数据进行区域经济的研究, 无疑将是未来几年的研究趋势。而省区经济对我国国民经济的影响, 已从背后走到了台前, 发展较快的省区对我国国民经济的快速增长起到了很大的作用, 而发展相对较慢的省区, 其原因与解决方法也值得我们研究。本文选取华中大省湖北省进行研究, 具有一定的指导和现实意义。湖北省 2006 年 GDP 为 7497 亿元, 人均 GDP13130 元, 达到中等发达国家水平。从省域经济来说, 湖北省是一个较发达的经济实体。另一方面, 湖北省优势的地理位置和众多的人口使之对于我国整体经济的运行起到不可忽视的作用, 对于湖北省 GDP的研究和预测也就从一个侧面反映我国国民经济的走势和未来。尽管湖北省以其重要位置和经济实力在我国国民经济中占据一席之地, 但仍不可避免的面临着建国以来一再的经济波动,从最初的强大势力到如今的挣扎期, 湖北省的经济面临着发展困境。近年来, 湖北省的经济状况一再呈现再次快速发展的趋势, 但是这个趋势能够保持多久却是我们需要考虑的问题。本文选择了时间序列分析的方法进行湖北省区域经济发展的预测。时间序列预测是通过对预测目标自身时间序列的处理来研究其变化趋势的。即通过时间序列的历史数据揭示现象随时间变化的规律, 将这种规律延伸到未来, 从而对该现象的未来作出预测。二、 基本模型、 数据选择以及实证方法( 一) 基本模型ARMA 模型是一种常用的随机时序模型, 由博克斯, 詹金斯创立, 是一种精度较高的时序短期预测方法, 其基本思想是: 某些时间序列是依赖于时间 t 的一组随机变量, 构成该时序的单个序列值虽然具有不确定性, 但整个序列的变化却具有一定的规律性, 可以用相应的数学模型近似描述。通过对该数学模型的分析,能够更本质的认识时间序列的结构与特征, 达到最小方差意义下的最优预测。现实社会中, 我们常常运用 ARMA模型对经济体进行预测和研究, 得到较为满意的效果。但 ARMA模型只适用于平稳的时间序列, 对于如 GDP 等非平稳的时间序列而言, ARMA模型存在一定的缺陷, 因此我们引入一般情况下的 ARMA模型 ( ARIMA模型) 进行实证研究。事实上, ARIMA模型的实质就是差分运算与 ARMA模型的组合。 本文讨论的求和自回归移动平均模型, 简记为 ARIMA ( p, d, q) 模型,是美国统计学家 G.E.P.Box 和 G.M.J enkins 于 1970 年首次提出, 广泛应用于各类时间序列数据分析, 是一种预测精度相当高的短期预测方法。建立 ARIMA ( p, d, q) 模型计算复杂, 须借助计算机完成。本文介绍 ARIMA ( p, d, q) 模型的建立方法, 并利用Eviews 软件建立湖北省 GDP 变化的 ARIMA ( p, d, q) 预测模型。( 二) 数据选择1.本文所有 GDP 数据来自于由中华人民共和国统计局汇编,中国统计出版社出版的 《新中国五十五年统计数据汇编》 。2.本文的所有数据处理均使用 EViews5.0 软件进行。( 三) 实证方法ARMA模型及 ARIMA模型都是在平稳时间序列基础上建立的, 因此时间序列的平稳性是建模的重要前提。任何非平稳时间序列只要通过适当阶数的差分运算或者是对数差分运算就可以实现平稳, 因此可以对差分后或对数差分后的序列进行 ARMA( p, q) 拟合。ARIMA ( p, d, q) 模型的具体建模步骤如下:1.平稳性检验。一般通过时间序列的散点图或折线图对序列进行初步的平稳性判断, 并采用 ADF 单位根检验来精确判断该序列的平稳性。对非平稳的时间序列, 如果存在一定的增长或下降趋势等,则需要对数据取对数或进行差分处理, 然后判断经处理后序列的平稳性。重复以上过程, 直至成为平稳序列。此时差分的次数即为ARIMA ( p, d, q) 模型中的阶数 d。为了保证信息的准确, 应注意避免过度差分。对平稳序列还需要进行纯随机性检验 ( 白噪声检验) 。白噪声序列没有分析的必要, 对于平稳的非白噪声序列则可以进行ARMA ( p, q) 模型的拟合。白噪声检验通常使用 Q 统计量对序列进行卡方检验, 可以以直观的方法直接观测得到结论。2.ARMA拟合。首先计算时间序列样本的自相关系数和偏自相关系的值, 根据自相关系数和偏自相关系数的性质估计自相关阶数 p 和移动平均阶数 q 的值。一般而言, 由于样本的随机性, 样本的相关系数不会呈现出理论截尾的完美情况, 本应截尾的相关系数仍会呈现出小值振荡的情况。又由于平稳时间序列通常都具有短期相性, 随着延迟阶数的增大, 相关系数都会衰减至零值附近作小值波动。根据 Barlett 和 Quenouille 的证明, 样本相关系数近似服从正态分布。一个正态分布的随机变量在任意方向上超出 2σ 的概率约为 0.05。因此可通过自相关和偏自相关估计值序列的直方图来大致判断在 5%的显著水平下模型的自相关系数和偏自相关系数不为零的个数, 进而大致判断序列应选择的具体模型形式。同时对模型中的 p 和 q 两个参数进行多种组合选择, 从 ARMA ( p,q) 模型中选择一个拟和最好的曲线作为最后的方程结果。一般利用 AIC 准则和 SC 准则评判拟合模型的相对优劣。3.模型检验。模型检验主要是检验模型对原时间序列的拟和效果, 检验整个模型对信息的提取是否充分, 即检验残差序列是否为白噪声序列。如果拟合模型通不过检验, 即残差序列不是为白噪声序列, 那么要重新选择模型进行拟合。如残差序列是白噪声序列, 就认为拟合模型是有效的。模型的有效性检验仍然是使谭诗璟ARIMA 模型在湖北省GDP 预测中的应用—— —时间序列分析在中国区域经济增长中的实证分析本文介绍求和自回归移动平均模型 ARIMA ( p, d, q) 的建模方法及 Eviews 实现。广泛求证和搜集从 1952 年到 2006 年以来湖北省 GDP 的相关数据, 运用统计学和计量经济学原理, 从时间序列的定义出发, 结合统计软件 EVIEWS 运用 ARMA建模方法, 将 ARIMA模型应用于湖北省历年 GDP 数据的分析与预测, 得到较为满意的结果。湖北省 区域经济学 ARIMA 时间序列 GDP 预测理论探讨262008/01 总第 360 期图四 取对数后自相关与偏自相关图图三 二阶差分后自相关与偏自相关图用上述 Q 统计量对残差序列进行卡方检验。4.模型预测。根据检验和比较的结果, 使用 Eviews 软件中的forecas t 功能对模型进行预测, 得到原时间序列的将来走势。 对比预测值与实际值, 同样可以以直观的方式得到模型的准确性。三、 实证结果分析GDP 受经济基础、 人口增长、 资源、 科技、 环境等诸多因素的影响, 这些因素之间又有着错综复杂的关系, 运用结构性的因果模型分析和预测 GDP 往往比较困难。我们将历年的 GDP 作为时间序列, 得出其变化规律, 建立预测模型。本文对 1952 至 2006 年的 55 个年度国内生产总值数据进行了分析, 为了对模型的正确性进行一定程度的检验, 现用前 50 个数据参与建模, 并用后五年的数据检验拟合效果。最后进行 2007年与 2008 年的预测。( 一) 数据的平稳化分析与处理1.差分。利用 EViews 软件对原 GDP 序列进行一阶差分得到图二:对该序列采用包含常数项和趋势项的模型进行 ADF 单位根检验。结果如下:由于该序列依然非平稳性, 因此需要再次进行差分, 得到如图三所式的折线图。根据一阶差分时所得 AIC 最小值, 确定滞后阶数为 1。然后对二阶差分进行 ADF 检验:结果表明二阶差分后的序列具有平稳性, 因此 ARIMA ( p, d,q) 的差分阶数 d=2。二阶差分后的自相关与偏自相关图如下:2.对数。利用 EViews 软件, 对原数据取对数:对已经形成的对数序列进行一阶差分, 然后进行 ADF 检验:由上表可见, 现在的对数一阶差分序列是平稳的, 由 AIC 和SC 的最小值可以确定此时的滞后阶数为 2。 因为是进行了一阶差分, 因此认为 ARIMA ( p, d, q) 中 d=1。( 二) ARMA ( p, q) 模型的建立ARMA ( p, q) 模型的识别与定阶可以通过样本的自相关与偏自相关函数的观察获得。图一 1952- 2001 湖北省 GDP 序列图表 1 一阶差分的 ADF 检验ADF t- Statistic 1% level 5% level 10% level AIC 备注0 - 2.136479 - 4.161144 - 3.506374 - 3.183002 11.20582非平稳1 - 2.764521 - 4.165756 - 3.508508 - 3.184230 11.171892 - 2.101495 - 4.170583 - 3.510740 - 3.185512 11.180023 - 2.418890 - 4.175640 - 3.513075 - 3.186854 11.205434 - 2.230514 - 4.180911 - 3.515523 - 3.188259 11.27059表 2 二阶差分的 ADF 检验Lag Length t- Statistic 1% level 5% level 10% level1 (Fixed) - 5.714836 - 4.170583 - 3.510740 - 3.185512表 3 对数一阶差分的 ADF 检验ADF t- Statistic 1% level 5% level 10% level AIC SC 备注0 - 5.448501 - 3.574446 - 2.923780 - 2.599925 - 1.536478 - 1.458512平稳 1 - 3.832346 - 3.577723 - 2.925169 - 2.600658 - 1.662966 - 1.5448712 - 3.398029 - 3.581152 - 2.926622 - 2.601424 - 1.770517 - 1.6115043 - 3.324520 - 3.584743 - 2.928142 - 2.602225 - 1.747432 - 1.546692图五 对数后一阶差分自相关与偏自相关图理论探讨27时代金融摘 要:关键词:使用 EViews 软件对 AR, MA的取值进行实现, 比较三种情况下方程的 AIC 值和 SC 值:表 4ARMA模型的比较由表 4 可知, 最优情况本应该在 AR ( 1) , MA ( 1) 时取得, 但AR, MA都取 1 时无法实现平稳, 舍去。对于后面两种情况进行比较, 而 P=1 时 AIC 与 SC 值都比较小, 在该种情况下方程如下:综上所述选用 ARIMA ( 1, 1, 0) 模型。( 三) 模型的检验对模型的 Q 统计量进行白噪声检验, 得出残差序列相互独立的概率很大, 故不能拒绝序列相互独立的原假设, 检验通过。模型均值及自相关系数的估计都通过显著性检验, 模型通过残差自相关检验, 可以用来预测。( 四) 模型的预测我们使用时间序列分析的方法对湖北省地方生产总值的年度数据序列建立自回归预测模型, 并利用模型对 2002 到 2006 年的数值进行预测和对照:表 5 ARIMA ( 1, 1, 0) 预测值与实际值的比较由上表可见, 该模型在短期内预测比较准确, 平均绝对误差为 6.876% , 但随着预测期的延长, 预测误差可能会出现逐渐增大的情况。下面, 我们对湖北省 2007 年与 2008 年的地方总产值进行预测:在 ARIMA模型的预测中, 湖北省的地方生产将保持增长的势头, 但 2008 年的增长率不如 2007 年, 这一点值得注意。GDP毕竟与很多因素有关, 虽然我们一致认为, 作为我国首次主办奥运的一年, 2008 将是中国经济的高涨期, 但是是否所有的地方产值都将受到奥运的好的影响呢? 也许在 2008 年全国的 GDP 也许确实将有大幅度的提高, 但这有很大一部分是奥运赛场所在地带来的经济效应, 而不是所有地方都能够享有的。正如 GDP 数据显示, 1998 年尽管全国经济依然保持了一个比较好的态势, 但湖北省的经济却因洪水遭受不小的损失。作为一个大省, 湖北省理应对自身的发展承担起更多的责任。总的来说, ARIMA模型从定量的角度反映了一定的问题, 做出了较为精确的预测, 尽管不能完全代表现实, 我们仍能以ARIMA模型为基础, 对将来的发展作出预先解决方案, 进一步提高经济发展, 减少不必要的损失。四、结语时间序列预测法是一种重要的预测方法, 其模型比较简单,对资料的要求比较单一, 在实际中有着广泛的适用性。在应用中,应根据所要解决的问题及问题的特点等方面来综合考虑并选择相对最优的模型。在实际运用中, 由于 GDP 的特殊性, ARIMA模型以自身的特点成为了 GDP 预测上佳选择, 但是预测只是估计量, 真正精确的还是真实值, 当然, ARIMA 模型作为一般情况下的 ARMA 模型, 运用了差分、取对数等等计算方法, 最终得到进行预测的时间序列, 无论是在预测上, 还是在数量经济上, 都是不小的进步, 也为将来的发展做出了很大的贡献。我们通过对湖北省地方总产值的实证分析, 拟合 ARIMA( 1, 1, 0) 模型, 并运用该模型对湖北省的经济进行了小规模的预测,得到了较为满意的拟和结果, 但湖北省 2007 年与 2008 年经济预测中出现的增长率下降的问题值得思考, 究竟是什么原因造成了这样的结果, 同时我们也需要到 2008 年再次进行比较, 以此来再次确定 ARIMA ( 1, 1, 0) 模型在湖北省地方总产值预测中所起到的作用。参考文献:【1】易丹辉 数据分析与 EViews应用 中国统计出版社【2】 Philip Hans Frances 商业和经济预测中的时间序列模型 中国人民大学出版社【3】新中国五十五年统计资料汇编 中国统计出版社【4】赵蕾 陈美英 ARIMA 模型在福建省 GDP 预测中的应用 科技和产业( 2007) 01- 0045- 04【5】 张卫国 以 ARIMA 模型估计 2003 年山东 GDP 增长速度 东岳论丛( 2004) 01- 0079- 03【6】刘盛佳 湖北省区域经济发展分析 华中师范大学学报 ( 2003) 03-0405- 06【7】王丽娜 肖冬荣 基于 ARMA 模型的经济非平稳时间序列的预测分析武汉理工大学学报 2004 年 2 月【8】陈昀 贺远琼 外商直接投资对武汉区域经济的影响分析 科技进步与对策 ( 2006) 03- 0092- 02( 作者单位: 武汉大学经济与管理学院金融工程)AR(1)MA(1) AR(1) MA(1) 备注AIC - 1.536412 - 1.321820 - 1.135728最优为 AR(1)MA(1)SC - 1.458445 - 1.282837 - 1.097119Variable Coefficient Std. Error t- Statistic Prob.AR(1) 0.586643 0.115236 5.090781 0.0000R- squared - 0.226023 Mean dependent var 0.104967Adjusted R- squared - 0.226023 S.D. dependent var 0.111688S.E. of regression 0.123668 Akaike info criterion - 1.321820Sumsquared resid 0.718807 Schwarz criterion - 1.282837Log likelihood 32.72369 Durbin-Watson stat 2.132697Inverted AR Roots .59年份 实际值 预测值 相对误差(%) 平均误差(%)2002 4975.63 4904.72 - 1.436.8762003 5401.71 5125.82 - 5.122004 6309.92 5496.78 - 12.892005 6687.78 6374.83 - 4.682006 7497.00 6728.05 - 10.26年度 GDP 值 7497.00 8026.08 8359.59增长率(%) — 7.06 4.16表 6 ARIMA ( 1, 1, 0) 对湖北省经济的预测一、模糊数学分析方法对企业经营 ( 偿债) 能力评价的适用性影响企业经营 ( 偿债) 和盈利能力的因素或指标很多; 在分析判断时, 对事物的评价 ( 或评估) 常常会涉及多个因素或多个指标。这时就要求根据多丛因素对事物作出综合评价, 而不能只从朱晓琳 曹 娜用应用模糊数学中的隶属度评价企业经营(偿债)能力问题影响企业经营能力的许多因素都具有模糊性, 难以对其确定一个精确量值; 为了使企业经营 ( 偿债) 能力评价能够得到客观合理的结果, 有必要根据一些模糊因素来改进其评价方法, 本文根据模糊数学中隶属度的方法尝试对企业经营 ( 偿债) 能力做出一种有效的评价。隶属度及函数 选取指标构建模型 经营能力评价应用理论探讨28
很多人把这两个概念混淆起来,我也是上次去清华大学工业工程系培训中心去培训的时候我特意的咨询了一下他们的专家,具体的区别和联系:一般来讲,物流应该由7种要素组成:运输、配送、包装、搬运、流通加工、资讯、贮存等。其演变经历了三个阶段,既产成品配送阶段、-物流管理阶段和综合物流管理阶段。60年代初,彼得.德鲁克以哲人的睿智预言世界:物流领域是经济增长的"黑暗大陆",是"降低成本的最后边界",是"第三利润源泉"。物流公司规模越来越大。今后的发展目标主要是物流内涵的拓展、过程的延伸、覆盖面的扩大,物流管理的日益专业化、标准化与资讯化。
顾名思义,时间序列就是按照时间顺利排列的一组数据序列。时间序列分析就是发现这组数据的变动规律并用于预测的统计技术。该技术有以下三个基本特点: 1.假设事物发展趋势会延伸到未来; 2.预测所依据的数据具有不规则性; 3.不考虑事物发展之间的因果关系。 对时间序列进行分析的最终目的,是要通过分析序列进行合理预测,做到提前掌握其未来发展趋势,以此为业务决策提供依据。 移动平均法和指数平滑法的局限 移动平均法是一种简单平滑预测技术,它的基本思想是:根据时间序列资料逐项推移,依次计算包含一定项数的序时平均值,以反映长期趋势。但这种方法不适合预测具有复杂趋势的时间序列。指数平滑法是移动平均法的改进方法,通过对历史数据的远近不同赋予不同的权重进行预测。但在实际应用中,指数平滑法的预测值通常会滞后于实际值,尤其是所预测的时间序列存在长期趋势时,这种滞后的情况更加明显。 在实际进行时间序列预测时,遇到的数据会比较复杂,所以我们需要用到更专业的预测方法来对数据进行合理预测。通常情况下一个时间序列包含四种因素,它们会通过不同的组合方式影响时间序列的发展变化。 时间序列四种因素有两种组合方式。 1.四种因素相互独立,即时间序列是由四种因素直接叠加而形成的,可用加法模型表示: Y=T+S+C+I 2.四种因素相互影响,即时间序列是综合四种因素而形成的,可用乘法模型表示: Y=T×S×C×I,通常遇到的时间序列都是乘法模型。其中,原始时间序列值和长期趋势可用绝对数表示,季节变动、循环变动和不规则变动则用相对数(通常是变动百分比)表示。 当我们需要对一个时间序列进行预测时,需要将上述四种因素从时间序列中分解出来。原因是: 1.把因素从时间序列中分解出来后,就能克服其他因素的影响,仅考量某一种因素对时间序列的影响; 2.分解这四种因素后,也可以分析他们之间的相互作用,以及它们对时间序列的综合影响; 3.当去掉某些因素后,就可以更好地进行时间序列之间的比较,从而更加客观地反映事物变化发展规律; 4.分解这些因素后的序列可以用于建立回归模型,从而提高预测精度。 通常情况,我们会考虑进行季节因素的分解,也就是将季节变动因素从原时间序列中去除,并生成由剩余的三种因素构成的序列来满足后续分析需求。 如果时间序列图的趋势随着时间的推移,序列的季节波动变得越来越大,则建议使用乘法模型;如果序列的季节波动能够基本维持恒定,则建议使用加法模型。 时间序列的预测步骤主要分为四步: (1)绘制时间序列图观察趋势; (2)分析序列平稳性并进行平稳化; (3)时间序列建模分析; (4)模型评估与预测; 平稳性是指时间序列的所有统计性质都不会随着时间的推移而发生变化,对于一个平稳的时间序列来说,需要具有以下特征: (1)均数和方差不随时间变化; (2)自相关系数只与时间间隔有关,与所处的时间无关。 相关系数是用来量化变量之间的相关程度。自相关系数研究的是一个序列中不同时期的相关系数,也就是时间序列计算其当前期和不同滞后期的一系列相关系数。 目前主流的时间序列预测方法都是针对平稳的时间序列进行分析的,但是实际上,我们遇到的大多数时间序列都不平稳,所以在分析时,需要首先识别序列的平稳性,并且把不平稳的序列转换为平稳序列。一个时间序列只有被平稳化处理过,才能被控制和预测。 将时间序列平稳化的方式有很多,基础的方法是差分,因为这个方法有助于我们解读时间序列模型。差分,就是指序列中前后相邻的两期数据之差。 ARIMA模型是时间序列分析中常用的一种模型,其全称为求和自回归移动平均模型。该模型形式为:ARIMA(p,d,q)(P,D,Q)。该模型有6个参数,前3个参数(p,d,q)针对季节性变化后的序列,后三个参数(P,D,Q)主要用来描述季节性变化,两个序列是相乘的关系,因此,该模型也称为复合季节模型。 其中:p,是指移除季节性变化后的序列所滞后的p期,取值通常为0或1,大于1的情况较少;d,是指移除季节性变化后的序列进行了d阶差分,取值通常为0、1或2;q,是指移除季节性变化后的序列进行了q次移动平均,取值通常为0或1,很少会超过2。大写的P,D,Q的含义相同,只是应用在包含季节性变化的序列上。本例中,该模型可解读为,对移除季节因素的序列和包含季节因素的序列分别进行一阶差分和一次移动平均,综合两个模型而构建出的时间序列模型。 模型拟合度主要通过R平方或平稳的R平方来评估模型拟合优度,以及在比较多个模型的情况下,通过比较统计量从而找到最优模型。本例中,由于原始序列具有季节变动因素,所以,平稳的R平方则更具参考意义。该值等于32.1%,所以,该时间序列模型的拟合效果一般。 模型统计提供了更多的统计量用以评估时间序列的数据拟合效果。本例中,虽然平稳的R平方值为32.1%,但是“杨-博克斯Q(18)”统计量的显著性(P值)=0.706,大于0.05(此处的显著性(P值)>0.05是期望得到的结果),则接受原假设,认为这个序列的残差符合随机序列分布,同时也没有离群值的出现,这些也都反映出数据的拟合效果还是可以接受的。
***统计方法的应用
108 浏览 5 回答
161 浏览 2 回答
290 浏览 2 回答
272 浏览 5 回答
201 浏览 6 回答
105 浏览 1 回答
188 浏览 4 回答
280 浏览 7 回答
177 浏览 3 回答
107 浏览 5 回答
355 浏览 2 回答
235 浏览 3 回答
195 浏览 2 回答
244 浏览 2 回答
325 浏览 2 回答