时代金融
结合,最终能在企业中得到广泛使用。
(二)发展趋势
在我国,供应链管理的研究和应用还处于起步阶段,供应
链优化及主从对策问
的研究及应用也处于起步阶段。在我国
的大型集团和公司已经逐步开展了供应链管理方法与模型的
研究和应用,取得了较好的经济效益和社会效益。
当今供应链管理研究正在向理性化、多层次、多目标和集
成化的方向发展。基于信息化技术日新月异的发展,企业对企
业电子商务和虚拟供应链的发展将大量产生新建模概念和应
用建模系统的新技术。建模系统还将引发企业的业务流程重组
(BPR),而这一问题也将称为今后的研究热点。另外,供应链管
理、财务管理以及需求管理这三个决策领域将变得更加一体化。
参考文献:
【1】 William J.Stevenson(美) 张群(译) 生产与运作管理 [M] 北京:机
械工业出版社 2000
【2】 Dave Nelson,Patricia E.Moody,Jonathan Stegner(美),刘祥亚(译)供应
链管理最佳实践 [M] 北京:机械工业出版社 2003
【3】 David Whigham(英).李国津(译),以 Excel为决策工具的管理经济学
【M】 北京:机械工业出版社 2003
【4】 黄小原 供应链模型与优化 [M] 北京:科学出版社 2004
【5】 张大成 现代物流企业经营管理 [M] 北京:中国物资出版社 2005
【6】 潘景铭,唐小我,倪得兵 供应链生产能力的柔性决策研究 [J] 管理
学报 2007.4(21):67- 71
【7】 王阅,谷丽丽,陈刚 基于供应链管理的商业模式创新研究 [J] 现代
管理科学 2009.01
【8】 关志民,韩瑜 多周期多产品采购量分配优化模型 [J] 运筹与管理
2008.04(2):73- 79
【9】 方小斌,陈治亚,张英贵 烟叶采购混合订单分配优化模型与算法
【J】 系统工程 2008.10(10):7- 12
【10】 陈虎,韩玉启,王斌 基于系统动力学的库存管理研究 [J] 管理工
程学报, 2005(3):133- 140
【11】 罗荣武 原料有批量折扣的生产库存模型 [J] 企业物流 2008(6)
【12】 夏海洋,黄培清 允许延期支付条件下考虑营销投入水平的退化性商
品库存模型 【J】 中国管理科学 2008.8(4):56- 61
【13】 吴泗宗,郑鑫 汽车销售企业的闭环供应链优化模式研究 [J] 哈尔
滨商业大学学报 2006.7(3):108- 111
【14】 莫降涛,孟立华,徐春明,温宗良 允许取消预订的生产 - 销售库存模
型 【J】 重庆工学院学报(自然科学) 2008.3(3):122- 127
【15】 王亮,李世殉,孙绍荣 随机需求直接发运的运输与库存整合优化研
究 【J】 管理工程学报 2007(2)
【16】 郎宏文 物美公司物流配送中心运输问题的优化
[J] 哈尔滨
理工大学学报 2006.6(3):118- 121.
【17】 林岩,胡祥培,王旭茵 物流系统优化中的定位输路线安排问题(L
RP)研究评述 [J] 管理工程学报 2004.4(4):45- 49
【18】 卢震 供应链管理中集成与协调模型及其优化研究 [J] 博士学位
网 2003.8
【19】 Donald J·Bowersox,David J·Closs,M·Bixby Cooper [M] Supply Chain
Logistics Management China Machine Press 2004.4
【20】 Donald Waters,Inventory Control and Management [M] China Machine
Press 2005.3
【21】 Jeremy F.Shapiro.Modeling the Supply Chain [M] Citic Publishing House
2005.1
【22】 Erengue S S,Simpson N C, Vakharia A J.Integrated Production
Distribution planning in Supply Chain:An Invited Review [J] European Journal of
Operation Research 1999,115(2)219- 236
【23】 Hojung Shin,W.C.Benton,Minjoon Jun. Quantifying suppliers’product
quality and delivery performance:A sourcing policy decision model [J] European
Journal of Operational Research 2008.10
【24】 Bhaba R . Sarker,Ahmad Diponegoroa. Optimal production plans and
shipment schedules in a supply- chain system with multiple suppliers and multiple
buyers [J] European Journal of Operational Research 2008.1
【25】 A.Awasthi,S.S.Chauhan,S.K.Goyal,Jean- Marie Proth.Supplier selection
problem for a single manufacturing unit under stochastic demand [J] Int.J.Production
Economics 2008.11
【26】 Kut C.So,Xiang Fang,Yunzeng Wang.Component Procurement
Strategies in Decentralized Assemble- to- Order Systems with Time- Dependent
Pricing【J】Management Science 2008.12(12)
【27】 Yossi Aviv.The Effect of Collaborative Forecasting on Supply Chain
Performance [J] Management Science 2001.10
【28】Jun- Yeon Lee An incentive contract for leadtime reduction in an(S- 1,S)
inventory system [J] Computers&Operation Research 2008.3(28)
【29】 M.T.Melo,S.Nickel,F.Saldanha- da- Gama Facility location and supply
chain management A review [J] European Journal of Operational Research 2008.5(16)
【30】 Tong Wang,Beril L.Toktay Inventory Management with Advance
Demand Information and Flexible Delivery Management Science 2008.4(54):
716- 732
【31】 Chris Forman,Anindya Ghose,Avi Goldfarb Competition Between Local
and Electronic Markets:How the Beneit of Buying Online Depends on Where You
Live.Management Science 2009.1(55):47- 57
【32】 Sabri Celik,Costis Maglaras. Dynamic Pricing and Lead- Time Quotation
for a Multiclass Make- to- Order Queue [J] Management Science 2008.6(54):
1132- 1146
【33】 M.T.Melo,S.Nickel,F.Saldanha- da- Gama.Facility location and supply
chain management- A review [J] European Journal of Operational Research 2008.5:
402- 412
【34】 Gurbuz MC,Moinzadeh K,Zhou YP,Replenishment strategies in
inventory/ distribution systems [J] Management Science 2007.2(53):293- 307
【35】 Stephen C.Graves,Sean P.Willems.Optimizing the Supply Chain
Coniguration for New Products [J] Management Science 2005.8(51):1165- 1180
(作者单位:北京林业大学经济管理学院)
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
利用 ADF检验对时间序列进行建模
莫达隆
摘 要:
关键词:
通过证明 ADF检验模型中滞后差分项 m 与 ARMA(p,q)模型中阶数 p的关系,在 Pandit- Wu建模方法基础上,归纳出
ARMA(p,q)建模的一种方法。并以广西外经贸 2005~2009年 10月的出口数据为例。
时间序列 平稳性 ADF检验 ARMA(p,q)模型
对时间序列{Xt}进行 ARMA(p,q)建模,是假设序列{Xt}为平
稳序列的前提下进行的,因此对序列{Xt}进行平稳性检验和预处
理是 ARMA(p,q)建模的先决条件。对时间序列平稳性检验的
方法有很多,单位根检验是比较准确的一种方法。在数理统计
中没有对一个时间序列进行单位根检验就直接判断其平稳性
的做法是不科学的,况且,利用单位根检验中的 ADF检验还可
以判断一个非平稳序列的趋势类型等其他信息,在 Pandit- Wu
建模方法基础上,利用这些信息,归纳出 ARMA(p,q)建模的一
种方法。下面以广西外经贸 2005~2009年 10月的出口数据为
例分析之。使用的统计软件为 EViews 5.0.
一、ADF检验简述[1]
ADF检验是统计检验中普遍应用的一种检验方法,在对时
理论与实践
46
2010/04 总第 414期
间序列的平稳性检验时,运用 ADF检验更为准确和重要。ADF
检验是通过下面三个模型完成的:
模型 1:ΔXt=δXt- 1+
m
i = 1
ΣβiΔXt- i +εt
模型 2:ΔXt =α+δXt- 1+
m
i = 1
ΣβiΔXt- i +εt
模型 3:ΔXt =α+βt+δXt- 1+
m
i = 1
ΣβiΔXt- iεt
其中 t 为时间变量,βt 为趋势项,α为常数项,εt为残差
项。原假设都是 H0:δ=0。检验时从模型 3开始,然后模型 2,模
型 1。若检验拒绝 H0:δ=0,即原序列不存在单位根,为平稳序
列,即可停止检验。否则就要继续检验,直到检验完模型 1为止。
通过 ADF检验中的模型 3还可以判断非平稳序列的趋势是随
机性趋势还是确定性趋势。这样,就可以对原序列进行相对应的
处理方式,使原序列平稳化。
二、ADF检验模型中滞后差分项 m与 ARMA(p,q)模型中
阶数 p的关系
设{Xt}为一时间序列,对{Xt}进行 ADF检验,有
模型 1 ΔXt=δXt- 1+
m
i = 1
ΣβiΔXt- i +εt 变换后得
Xt- Xt- 1=δXt- 1+
m
i = 1
Σβi(Xt- i - Xt-( i+1))+εt ①
若δ显著为 0则可知道序列{Xt}为平稳序列,设其生成模
型为 ARMA(p,q),则有
Xt- φ1Xt- 1- φ2Xt- 2- ∧∧- φpXt- p=αt- θ1αt- 1- θ2αt- 2- ∧∧
- θqαt- q ②
对比①、②式,可证明
m+1=p
所以,{Xt} 的生成模型 ARMA(p,q)也可以写成 ARMA
(m+1,q)
又由差分方程的理论可证明[2],q=p- 1=m
因此,对序列{Xt}可尝试拟合 ARMA(m+1,m)模型,最后根
据 Pandit_Wu建模方法找到序列{Xt}的最优模型。
图 1
三、Pandit- Wu建模方法的改进
Pandit- Wu建模方法[3]认为:任一平稳序列总可以用一个
ARMA(m,m- 1)模型来表示,而 AR(m),MA(n)以及 ARMA
(m,n)(n不等于 m- 1)都是 ARMA(m,m- 1)模型的特例。其
建模思想是:逐渐增加模型的阶数,拟合较高阶 ARMA(m,
m- 1)模型,直到再增加模型的阶数而剩余平方和不再显著减小
为止。通过上述的讨论,在 Pandit- Wu建模方法的基础上,我们
把 ARMA(p,q)建模步骤用流程图表示为:(如图 1)
在上述建模思想下,我们发现:对序列进行 ADF检验,由检
验结果可判定该序列的趋势类型和平稳性,从而选择合适的方
法对原序列预处理,使之平稳化。然后根据滞后差分项 m 与阶
数 p的关系,可初步判断平稳化后的序列的 ARMA(p,q)模型,
再利用 Pandit- Wu建模方法拟合最佳的 ARMA(p,q)模型。
四、广西外经贸数据时间序列的建模与预测
(一)建模分析
为初步观察数据的平稳性,作广西累计出口月金额数据序
列图(图 2)和相关函数图(图 3)。由此可以判断:广西累计出口
月金额数据序列有明显长期趋势,因是月度数据,很有可能存在
季节趋势。可计算其季节指数,若存在季节趋势可先剔除季节趋
势,再通过 ADF检验其平稳性,并确定长期趋势是确定性趋势
还是随机性趋势,从而选择适当方法剔除长期趋势即可得到一
平稳序列的初步拟合的 ARMA(m,m- 1)模型。
图 2
图 3
(二)对原序列{Xt}进行季节趋势检验
剔除季节趋势的方法有季节差分、计算季节指数再消除季
节因素等方法,因为该原始序列的容量较少(n=58),如果用季
节差分消除季节因素,势必会缺失相当多的数据。所以通过计算
季节指数消除季节因素的方法剔除季节变动。用移动平均法,得
广西累计出口月金额数据的季节指数为:
1月 2月 3月 4月 5月 6月 7月 8月 9月 10月 11月 12月
0.9424 0.7013 0.9475 1.0287 0.9673 1.0341 1.1054 1.0750 1.0353 1.0012 1.0392 1.1227
根据季节指数发现,原序列的季节趋势并不显著,但在年头
和年尾稍有变化。可剔除季节趋势,设剔除原序列中的季节因
素后的序列为{Zt}。
(三)对序列{Zt}进行 ADF检验
经尝试,有如下结果:
模型 3:
ΔZt=5500.470+526.9511t- 0.5176Zt- 1+0.0636ΔZt- 1+
(2.4654) (4.1593) (- 3.9811)
0.6533ΔZt- 2+0.3620ΔZt- 3+0.4366ΔZt- 4+0.0738ΔZt- 5+0.
3531ΔZt- 6+0.6021ΔZt- 7+εt
上述模型显示:括号中的数值为各参数的 t 统计量的值,从
模型结果中可断定序列{Zt}不存在单位根,存在趋势项,因此是具
有确定性趋势的时间序列,要通过除去趋势项的方法来消除确
定性趋势]4]。经对 Xt和时间 T进行回归分析,可建立回归方程:
Zt=17126.49+898.924*T+Yt
由此回归方程可把序列{Zt}消除其确定性趋势,得到的新序
理论与实践
47
时代金融
列设为{Yt}
(四)对序列{Yt}进行 ADF检验
经尝试,有如下结果:
图 4
图 5
从上述结果中可断定序列{Yt}是平稳的,且其自相关图和偏
相关图(图 5)也说明了序列{Yt}是平稳的。由 m+1=p,可初步估
计序列{Yt}为 ARMA(8,7)模型。
(五)利用 Pandit- Wu建模方法对序列 {Yt} 拟合 ARMA
(8,7)、ARMA(10,9)、ARMA(6,5)、ARMA(4,3)、ARMA(2,1)
等模型进行对比选择
拟合相关结果如下表:
ARMA
(8,7)
ARMA
(10,9)
ARMA
(12,11)
ARMA
(6,5)
ARMA
(4,3)
ARMA(8,7)
-φ346θ42457
R- squared 0.803827 0.813249 0.814788 0.746605 0.639747 0.781790
Adj
R- squared 0.725358 0.697335 0.637630 0.684801 0.593759 0.751342
Sum squared
resid 5.81E+08 5.53.E+08 5.48E+08 7.51E+08 1.07E+09 6.46E+08
AIC 19.70551 19.88838 20.13092 19.74601 19.89881 19.49197
SBC 20.27912 20.62906 21.04524 20.15878 20.15664 19.75965
DW 1.898136 1.979614 2.026431 1.862255 1.900861 1.960399
综合上表的各项因素,ARMA(8,7)是一个最佳的模型,又
因 ARMA(8,7)模型中的参数φ3,φ4,φ6,θ4,θ2,θ4,θ5,θ7
不显著,可以删去(记为 ARMA(8,7)-φ346θ42457模型),拟合
结果见上表最后一列。结果表明删去这几项参数后的模型总体
拟合效果比较理想,因此我们最终选择 ARMA(8,7)-
φ346θ42457模型来拟合平稳序列{Yt},模型形式如下:
yt=0.473498yt- 1+0.542035yt- 2- 0.405328yt- 5+0.312507yt- 7
- 0.490836yt- 8+εt- 0.126315εt- 3+0.849994εt- 6
(六)模型的诊断检验。即检验模型的残差序列的纯随机性
(1)对 ARMA(8,7)-φ346θ42457模型的残差序列进行相关
性检验。由模型 ARMA(8,7)-φ346θ42457的自相关图和偏相关
图(图 6)表明模型的残差项都在置信区间内,基本上剔除了自
相关和偏相关。同时由 ARMA(8,7)-φ346θ42457模型的残差项
的 QLB统计量的 p值都显著大于 0.05(图 6)即证明该残差项
是不存在自相关性的[2]。因此用 ARMA(8,7)-φ346θ42457模型
为广西外经贸出口数据建模是合适的。
图 6
(2)对 ARMA(8,7)-φ346θ42457模型的残差项进行异方差
性检验。结果见下表,滞后项为 1、6、12阶时的相伴概率 P都大
于显著性水平 0.05,因此接受原假设 H,认为残差项不存在异
方差性。
滞后项 LM统计量 P值
1 0.763 0.3824
6 2.1225 0.9081
12 3.0394 0.9953
由此可认为 ARMA(8,7)-φ346θ42457模型的残差序列为纯
随机性序列。即拟合 ARMA(8,7)-φ346θ42457模型是合适的。
(七)预测
用 ARMA(8,7)-φ346θ42457模型预测 2009年第四季度最
后两个月的广西出口金额。如下表:
月份 实际值 预测值
2009.11 108575 94761.5
2009.12 147716
五、建模总结
用 ADF检验来判定序列的趋势类型和平稳性,可选择合适
的方法使原序列平稳化。然后根据滞后差分项 m与阶数 p的关
系,可初步判断平稳化后的序列的 ARMA(p,q)模型,再利用
Pandit- Wu建模方法拟合最佳的 ARMA(p,q)模型。
从 2009年 11月份的预测值与实际值来看,预测准确性不
是很好。但考察 2009年 11月的实际值,我们发现该值远离序
列的均值三倍
差之外,是一个离群点。因此我们认为预测
值还是能很好反映序列的变化趋势的。目前对离群点的研究主
要集中在离群点的定义和挖掘方法方面,对离群点挖掘的后期
分析和处理似乎还是很少,如果能够结合实际的背景意义,对
发现的离群点进行详细的分析处理,将会带来更大的实际应用
价值]5]。
参考文献:
【1】【4】 李子奈,潘文卿 计量经济学(第二版) [M] 北京:高等教育出
版社 2005:329,336
【2】【3】 王振龙,胡永宏 应用时间序列分析 [M] 北京:科学出版社
2007:40,104
【5】 徐翔,刘建伟,罗雄麟 离群点挖掘研究 [J] 计算机应用研究
2009,1:34- 39
(作者单位:广西贺州学院)
理论与实践
48