精品久久一区,污黄啪啪网,16女下面流水不遮视频,色婷五月天

    歡迎進(jìn)入上海陽(yáng)合供應(yīng)鏈管理有限公司!
  •  13472705338 

  • “視聽(tīng)+云倉(cāng)儲(chǔ)+精準(zhǔn)扶貧”電商模式的脫貧經(jīng)驗(yàn)探討
  • 倉(cāng)儲(chǔ)型物流企業(yè)的經(jīng)營(yíng)模式創(chuàng)新
  • 現(xiàn)代倉(cāng)儲(chǔ)管理中條形碼技術(shù)的運(yùn)用
  • 基于IOS平臺(tái)的小型倉(cāng)儲(chǔ)管理系統(tǒng)設(shè)計(jì)
  • 用6S管理注入倉(cāng)儲(chǔ)管理系統(tǒng)內(nèi)涵推升倉(cāng)儲(chǔ)運(yùn)營(yíng)水準(zhǔn)
  • 基于第三方物流的倉(cāng)儲(chǔ)成本控制研究
  • 物流公司倉(cāng)儲(chǔ)管理案例分析
  • 第三方物流企業(yè)倉(cāng)儲(chǔ)貨位系統(tǒng)優(yōu)化分析
  • 鄭州航空物流倉(cāng)儲(chǔ)合理化研究
  • 新形勢(shì)下深化完善國(guó)有糧食倉(cāng)儲(chǔ)企業(yè)內(nèi)控機(jī)制的實(shí)踐與思考
  • 企業(yè)智能倉(cāng)儲(chǔ)作業(yè)流程分析——以徐州新沂百世云倉(cāng)公司為例
  • 醫(yī)藥物流邁向云倉(cāng)多倉(cāng)聯(lián)動(dòng)
  • RFID技術(shù)在銅仁地區(qū)煙草倉(cāng)儲(chǔ)物流管理系統(tǒng)中的應(yīng)用
  • 淺談糧情測(cè)控遠(yuǎn)程監(jiān)管系統(tǒng)在倉(cāng)儲(chǔ)管理中的應(yīng)用
  • 淺談石油物資倉(cāng)儲(chǔ)管理部門(mén)入庫(kù)驗(yàn)收管理
  • 多層倉(cāng)儲(chǔ)式數(shù)據(jù)中心建筑設(shè)計(jì)研究
  • 煙葉倉(cāng)儲(chǔ)害蟲(chóng)綜合治理研究進(jìn)展
  • 無(wú)線智能倉(cāng)儲(chǔ)管理系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)
  • 靜電粉末與殺蟲(chóng)劑混用對(duì)倉(cāng)儲(chǔ)甲蟲(chóng)的殺蟲(chóng)效果及谷物品質(zhì)的影響
  • 關(guān)于云計(jì)算技術(shù)物聯(lián)網(wǎng)倉(cāng)儲(chǔ)管理系統(tǒng)設(shè)計(jì)
  • 當(dāng)前位置:首頁(yè) >>   新聞資訊新聞資訊

    基于VAR的中國(guó)倉(cāng)儲(chǔ)指數(shù)與中國(guó)物流業(yè)景氣指數(shù)預(yù)測(cè)

      信息來(lái)源:   發(fā)布時(shí)間:2021-11-27  點(diǎn)擊數(shù):

    中國(guó)倉(cāng)儲(chǔ)指數(shù) (CWI) 是基于倉(cāng)儲(chǔ)企業(yè)快速調(diào)查而建立的一套指數(shù)體系, 由期末庫(kù)存、新訂單、平均庫(kù)存周期次數(shù)和從業(yè)人員4個(gè)權(quán)重指數(shù)組成。中國(guó)倉(cāng)儲(chǔ)指數(shù)較好地反映了中國(guó)倉(cāng)儲(chǔ)行業(yè)發(fā)展運(yùn)行的總體情況, 同時(shí)與出口總值、貨物運(yùn)輸量等相關(guān)物流指標(biāo)、經(jīng)濟(jì)指標(biāo)具有較強(qiáng)的相關(guān)性。中國(guó)倉(cāng)儲(chǔ)指數(shù)能夠靈敏地反映倉(cāng)儲(chǔ)行業(yè)發(fā)展動(dòng)態(tài), 對(duì)監(jiān)測(cè)國(guó)民經(jīng)濟(jì)運(yùn)行狀況具有重要的參考價(jià)值。中國(guó)倉(cāng)儲(chǔ)指數(shù)一是能夠充分反映國(guó)民經(jīng)濟(jì)各行業(yè)對(duì)倉(cāng)儲(chǔ)物流業(yè)務(wù)的需求變化情況;二是能夠充分反映中國(guó)倉(cāng)儲(chǔ)行業(yè)經(jīng)營(yíng)、效率、成本、就業(yè)的情況;三是能夠更加充分地反映重要商品的庫(kù)存變化動(dòng)向。倉(cāng)儲(chǔ)指數(shù)處于低位時(shí), 表明對(duì)倉(cāng)儲(chǔ)行業(yè)需求不足, 倉(cāng)儲(chǔ)業(yè)務(wù)疲弱, 庫(kù)存積壓, 企業(yè)采購(gòu)減少, 生產(chǎn)經(jīng)營(yíng)冷淡, 從一個(gè)側(cè)面反映出經(jīng)濟(jì)整體運(yùn)行不佳;而倉(cāng)儲(chǔ)指數(shù)處于高位時(shí), 表明對(duì)倉(cāng)儲(chǔ)行業(yè)需求旺盛, 業(yè)務(wù)活動(dòng)活躍, 企業(yè)采購(gòu)增加, 生產(chǎn)經(jīng)營(yíng)火熱, 從一個(gè)側(cè)面反映出經(jīng)濟(jì)整體運(yùn)行良好[1,2]。

    中國(guó)物流業(yè)景氣指數(shù) (LPI) , 是由業(yè)務(wù)總量、新訂單、從業(yè)人員、庫(kù)存周轉(zhuǎn)次數(shù)、設(shè)備利用率5項(xiàng)指數(shù)加權(quán)合成的合成指數(shù)。中國(guó)物流業(yè)景氣指數(shù)反映了中國(guó)物流業(yè)發(fā)展運(yùn)行的總體情況, 與貨運(yùn)量、快遞業(yè)務(wù)量、港口貨物吞吐量等相關(guān)物流指標(biāo), 以及工業(yè)生產(chǎn)、進(jìn)出口貿(mào)易、固定資產(chǎn)投資、貨幣投放等相關(guān)經(jīng)濟(jì)指標(biāo)具有較高的關(guān)聯(lián)性。中國(guó)物流業(yè)景氣指數(shù)能快速準(zhǔn)確反映國(guó)民經(jīng)濟(jì)發(fā)展態(tài)勢(shì), 對(duì)指導(dǎo)企業(yè)生產(chǎn)經(jīng)營(yíng)與投資等活動(dòng)具有參考價(jià)值。物流業(yè)景氣指數(shù)上升, 反映出市場(chǎng)需求回升、市場(chǎng)活躍、經(jīng)濟(jì)向好的態(tài)勢(shì);而如果物流業(yè)景氣指數(shù)回落, 則反映出市場(chǎng)需求不旺、市場(chǎng)低迷、經(jīng)濟(jì)下行的態(tài)勢(shì)。

    倉(cāng)儲(chǔ)業(yè)是物流業(yè)的重要組成部分, 因此, 中國(guó)倉(cāng)儲(chǔ)指數(shù)與中國(guó)物流業(yè)景氣指數(shù)密切相關(guān), 中國(guó)倉(cāng)儲(chǔ)指數(shù)下降, 表明倉(cāng)儲(chǔ)業(yè)務(wù)需求不振, 勢(shì)必導(dǎo)致中國(guó)物流業(yè)景氣指數(shù)下降;中國(guó)倉(cāng)儲(chǔ)指數(shù)上升, 表明倉(cāng)儲(chǔ)業(yè)務(wù)需求旺盛, 必然推動(dòng)中國(guó)物流業(yè)景氣指數(shù)上升。科學(xué)預(yù)測(cè)中國(guó)倉(cāng)儲(chǔ)指數(shù)和中國(guó)物流業(yè)景氣指數(shù)的發(fā)展趨勢(shì), 對(duì)于制定和貫徹各項(xiàng)宏觀經(jīng)濟(jì)政策, 實(shí)時(shí)進(jìn)行宏觀經(jīng)濟(jì)調(diào)控, 以及指導(dǎo)企業(yè)進(jìn)行生產(chǎn)經(jīng)營(yíng)與投資活動(dòng), 促進(jìn)國(guó)民經(jīng)濟(jì)持續(xù)健康發(fā)展等具有重要的意義。

    VAR模型 (Vector Autoregressive) 又稱(chēng)向量自回歸模型, 常用于對(duì)兩個(gè)或多個(gè)相關(guān)聯(lián)的時(shí)間序列進(jìn)行預(yù)測(cè), 以及了解變量之間的聯(lián)系和影響。該方法建模邏輯嚴(yán)密, 推理充分, 涵蓋的信息量廣, 預(yù)測(cè)精度高, 在經(jīng)濟(jì)領(lǐng)域得到了廣泛應(yīng)用。本文運(yùn)用VAR模型對(duì)中國(guó)倉(cāng)儲(chǔ)指數(shù)和中國(guó)物流業(yè)景氣指數(shù)進(jìn)行預(yù)測(cè), 擬為國(guó)家經(jīng)濟(jì)建設(shè)提高參考和借鑒。

    1 VAR模型預(yù)測(cè)方法

    1.1 VAR模型基本形式

    VAR模型一般可表示為[3,4]

     


    式中, yt為n維內(nèi)生向量;xt為m維外生向量;εt為n維隨機(jī)擾動(dòng)向量;Ai (i=1, 2, …, p) ;B為系數(shù)矩陣。

    特別地, 當(dāng)外生向量為常數(shù)矩陣C時(shí), VAR模型為[5,6]

     


    式 (1) 為限制性向量自回歸模型, 式 (2) 為非限制性向量自回歸模型。

    1.2 VAR模型預(yù)測(cè)步驟

    1.2.1 單位根檢驗(yàn)

    單位根檢驗(yàn)的目的是檢驗(yàn)系列中是否存在單位根, 如果序列中存在單位根, 表明系統(tǒng)是非平穩(wěn)序列。單位根檢驗(yàn)一般采用ADF (augmented dichey-fuller) 法則進(jìn)行判斷, 主要通過(guò)考察t統(tǒng)計(jì)量的值大小來(lái)確定是否有單位根, 如果t值小于1%, 5%, 10%的顯著水平下的臨界值, 則說(shuō)明序列是平穩(wěn)的, 否則, 則需要對(duì)序列進(jìn)行差分或?qū)?shù)變換, 直至其變?yōu)槠椒€(wěn)序列。滿足的顯著水平越小, 系列越平穩(wěn)。3個(gè)顯著水平不一定都要滿足, 一般只要滿足5%的顯著水平下的臨界值即可。

    1.2.2 模型滯后階數(shù)的確定

    VAR模型最關(guān)鍵的一個(gè)參數(shù)就是滯后階數(shù)p。足夠大的p能夠較為完整地反映所構(gòu)造模型的動(dòng)態(tài)關(guān)系信息, 但滯后階數(shù)越大, 模型的自由度就越小。因此, 需要權(quán)衡滯后期和自由度之間的關(guān)系, 在兩者之間尋找出一種均衡的最佳狀態(tài)。VAR模型的滯后階數(shù)p一般根據(jù)AIC (Akaike info.criterion) 和SC (Schwarre info.criterion) 準(zhǔn)則來(lái)確定, 即AIC和SC最小值的階數(shù)為最佳滯后期p, 如果AIC和SC不是同時(shí)取值最小, 則采用LR檢驗(yàn)進(jìn)行進(jìn)一步確定, LR最小的滯后階為最佳滯后階。若VAR模型滯后階數(shù)為p, 則稱(chēng)為p階VAR模型, 記為VAR (p) 。

    1.2.3 協(xié)整性檢驗(yàn)

    協(xié)整性檢驗(yàn)是檢驗(yàn)變量之間是否存在長(zhǎng)期穩(wěn)定的關(guān)系, 也就是變量之間是否存在共同的隨機(jī)性趨勢(shì)。協(xié)整性檢驗(yàn)一般采用Johansen檢驗(yàn)方法。主要考察跡統(tǒng)計(jì)量 (Trace statistic) 和似然概率 (Likelihood probability) , 若跡統(tǒng)計(jì)量小于顯著水平的臨界值 (一般為5%) , 似然概率大于顯著水平 (一般為5%) , 則變量之間存在協(xié)整關(guān)系。

    1.3 格蘭杰檢驗(yàn)

    格蘭杰檢驗(yàn)主要考察變量的先后影響聯(lián)系, 即檢驗(yàn)一個(gè)變量及其滯后期對(duì)另一變量的影響關(guān)系。格蘭杰檢驗(yàn)的因果關(guān)系并非我們通常理解的因果的關(guān)系, 而是說(shuō)外生變量前期變化能有效地解釋內(nèi)生的變化, 是統(tǒng)計(jì)意義上的格蘭杰因果性, 不能作為肯定或否定因果關(guān)系的根據(jù)。若在包含了變量x, y的過(guò)去信息的條件下, 對(duì)變量y的預(yù)測(cè)效果要優(yōu)于只單獨(dú)由y的過(guò)去信息進(jìn)行的預(yù)測(cè)效果, 即變量x有助于解釋變量y的將來(lái)變化, 則認(rèn)為變量x是導(dǎo)致變量y的格蘭杰原因。

    1.4 參數(shù)估計(jì)

    滯后階數(shù)確定后, 建立VAR (p) 模型, 根據(jù)選定的模型估計(jì)參數(shù)Ai (i=1, 2, …, p) 和B。通常采用最小二乘估計(jì)的方法來(lái)估計(jì)模型參數(shù), 它可以簡(jiǎn)便地求得未知的數(shù)據(jù), 并使得這些求得的數(shù)據(jù)與實(shí)際數(shù)據(jù)之間誤差的平方和為最小, 這屬于最佳線性無(wú)偏估計(jì)。此外, 還需對(duì)模型進(jìn)行穩(wěn)健性檢驗(yàn), 如果模型的所有特征根的倒數(shù)都小于1, 即位于單位圓內(nèi), 說(shuō)明模型的結(jié)構(gòu)是穩(wěn)定和顯著的, 這樣可以保證脈沖響應(yīng)函數(shù)和方差分解的有效性。

    1.5 脈沖響應(yīng)分析

    脈沖響應(yīng)函數(shù)主要用于考察一個(gè)內(nèi)生變量受到其他變量沖擊所帶來(lái)的影響, 是系統(tǒng)中一個(gè)內(nèi)生變量對(duì)某一變量的擾動(dòng)所做出的動(dòng)態(tài)反應(yīng), 即在隨機(jī)誤差項(xiàng)上施加上一個(gè)標(biāo)準(zhǔn)差大小的沖擊后, 對(duì)內(nèi)生變量當(dāng)期和未來(lái)期的值的影響程度。通過(guò)比較不同內(nèi)生變量對(duì)于誤差沖擊的動(dòng)態(tài)反應(yīng), 可以考察變量之間的動(dòng)態(tài)關(guān)系。

    1.6 方差分解

    方差分解是分析影響內(nèi)生變量的結(jié)構(gòu)沖擊的貢獻(xiàn)度, 進(jìn)一步評(píng)價(jià)不同結(jié)構(gòu)沖擊的重要性, 即將VAR系統(tǒng)內(nèi)一個(gè)變量的方差分解到各個(gè)擾動(dòng)項(xiàng)上, 以分析系統(tǒng)內(nèi)各內(nèi)生變量對(duì)預(yù)測(cè)方差的影響程度, 相當(dāng)于將一個(gè)內(nèi)生變量進(jìn)行方差回歸。

    2 中國(guó)倉(cāng)儲(chǔ)指數(shù)和中國(guó)物流業(yè)景氣指數(shù)預(yù)測(cè)

    2.1 VAR模型變量的選取

    圖1為2015年7月至2017年3月中國(guó)倉(cāng)儲(chǔ)指數(shù)和中國(guó)物流業(yè)景氣指數(shù)統(tǒng)計(jì)數(shù)據(jù)。在這21個(gè)月中, 中國(guó)倉(cāng)儲(chǔ)指數(shù)2016年3月最低, 為50;2016年11月最高, 為59.3, 波動(dòng)幅度為18.60%。中國(guó)物流業(yè)景氣指數(shù)2016年2月最低, 為46.4;2015年11月、2016年11月、2017年3月較高, 均為54.5, 波動(dòng)幅度為17.46%。將CWI設(shè)為內(nèi)生變量x, LPI設(shè)為內(nèi)生變量y, 則x, y組成二維向量Y= (x, y) , 以21個(gè)月的CWI和LPI原始數(shù)據(jù)為樣本, 建立VAR預(yù)測(cè)模型。

    圖1 2015-2017年中國(guó)倉(cāng)儲(chǔ)指數(shù)和物流業(yè)景氣指數(shù)走勢(shì)圖

    圖1 2015-2017年中國(guó)倉(cāng)儲(chǔ)指數(shù)和物流業(yè)景氣指數(shù)走勢(shì)圖  下載原圖


    2.2 單位根檢驗(yàn)

    從圖1可知, 內(nèi)生變量x和y有波動(dòng)起伏, 可能為非平穩(wěn)時(shí)間系列, 這需要通過(guò)單位根檢驗(yàn)進(jìn)行判斷。單位根檢驗(yàn)見(jiàn)表1。

      

    表1 單位根檢驗(yàn)結(jié)果  下載原圖



    表1 單位根檢驗(yàn)結(jié)果

    由表1可知, x的ADF值為-2.539 147, 大于1%, 5%, 10%臨界值, y的ADF值為-4.351 251, 小于1%, 5%, 10%臨界值。因此x是非平穩(wěn)時(shí)間序列, y是平穩(wěn)時(shí)間序列。對(duì)x進(jìn)行一次差分, 差分后d (x) 的ADF值為-3.879 391, 小于5%, 10%臨界值, 變?yōu)槠椒€(wěn)時(shí)間系列。為了建模和檢驗(yàn)方便, 對(duì)y也進(jìn)行一次差分, 使二者成為同階單整, d (y) 的ADF值為-4.451 508, 小于1%, 5%, 10%臨界值, 也是平穩(wěn)時(shí)間序列。一次差分后的d (x) 和d (y) 都為平穩(wěn)系列, 即內(nèi)生變量x, y為一階單整, 滿足協(xié)整檢驗(yàn)的條件。

    初步建立模型VAR (2) , 以檢驗(yàn)d (x) , d (y) 的協(xié)整性、格蘭杰因果關(guān)系、模型的最佳滯后期。

    2.3 協(xié)整性檢驗(yàn)

    對(duì)一階單整的內(nèi)生變量d (x) , d (y) 進(jìn)行協(xié)整性檢驗(yàn), 結(jié)果如表2所示。從表2知, 對(duì)于無(wú)協(xié)整性, 跡統(tǒng)計(jì)量54.314 26大于5%的臨界值15.494 7, 故拒絕原假設(shè);對(duì)于最多一個(gè)協(xié)整關(guān)系, 跡統(tǒng)計(jì)量4.749 373大于5%的臨界值3.841 466, 因此也拒絕原假設(shè)。兩個(gè)結(jié)論看似有些矛盾, 但二者不存在長(zhǎng)期的一致的變化趨勢(shì)并不排除存在短期內(nèi)有一致的變化趨勢(shì), 故以后一個(gè)結(jié)論為準(zhǔn), 它表明在5%的置信水平上不存在一個(gè)協(xié)整關(guān)系, 即變量d (x) , d (y) 不存在協(xié)整性, 說(shuō)明它們不存在長(zhǎng)期穩(wěn)定的一致的變化趨勢(shì)。

      

    表2 協(xié)整性檢驗(yàn)結(jié)果  下載原圖



    表2 協(xié)整性檢驗(yàn)結(jié)果

    2.4 格蘭杰檢驗(yàn)

    對(duì)d (x) , d (y) 進(jìn)行格蘭杰檢驗(yàn)的結(jié)果如表3所示。從表3知, 在5%的置信水平上, 統(tǒng)計(jì)量F的概率大于顯著水平, 故接受原假設(shè), 即d (x) , d (y) 之間雙向不存在格蘭杰因果關(guān)系, d (y) 不是d (x) 的格蘭杰原因, d (x) 也不是d (y) 的格蘭杰原因, 但這不代表中國(guó)倉(cāng)儲(chǔ)指數(shù)和中國(guó)物流業(yè)景氣指數(shù)之間無(wú)相關(guān)性。

      

    表3 格蘭杰檢驗(yàn)結(jié)果  下載原圖



    表3 格蘭杰檢驗(yàn)結(jié)果

    2.5 模型滯后階數(shù)確定

    模型滯后階數(shù)確定分析結(jié)果如表4所示。滯后階確定考察的參數(shù)總共有6個(gè), 即LogL, LR, FPE, AIC, SC, HQ, 其中AIC, SC, LR是主要考察參數(shù)。從圖2知, 滯后階 (Lag) 為6時(shí), 在5%的置信水平下, AIC=7.385 237, SC=8.612 524均為所考察階數(shù)中值最小 (帶*號(hào)) , 故模型最合適的滯后階為p=6, 因此確定模型為VAR (6) 。

    2.6 參數(shù)估計(jì)

    建立VAR (6) 模型, 對(duì)模型的參數(shù)進(jìn)行估計(jì), 結(jié)果如表5所示。模型參數(shù)確定后, 還需對(duì)模型進(jìn)行穩(wěn)健性檢驗(yàn), 結(jié)果如圖2所示。從圖3可知, 模型所有特征根都在單位圓內(nèi), 即其特征根倒數(shù)都小于1, 說(shuō)明模型是穩(wěn)固和有效的, 可以用于預(yù)測(cè)。根據(jù)估計(jì)的參數(shù)得到預(yù)測(cè)方程為式 (3) , 即CWI和LPI預(yù)測(cè)方程。

      

    表4 VAR模型滯后階確定分析結(jié)果  下載原圖



    表4 VAR模型滯后階確定分析結(jié)果

    注:*indicates lag order selected by the criterion;LR sequential modified LR test statistic (each test at 5%level) ;FPE:Final prediction error;AIC:Akaike information criterion;SC:Schwaiz information criterion;HQ:Hannan-Quinn information criterion

      

    表5 模型的參數(shù)估計(jì)結(jié)果  下載原圖



    表5 模型的參數(shù)估計(jì)結(jié)果
    圖2 模型的穩(wěn)健性檢驗(yàn)

    圖2 模型的穩(wěn)健性檢驗(yàn)  下載原圖


     


    2.7 脈沖響應(yīng)分析

    圖3為d (x) 和d (y) 相互沖擊擾動(dòng)對(duì)彼此產(chǎn)生的影響。從圖3知, d (x) 沖擊擾動(dòng)引起d (x) 脈沖響應(yīng)呈正弦波震蕩形式, 影響較大, 在0線上下振動(dòng), 而且開(kāi)始振幅較大;d (y) 沖擊擾動(dòng)引起d (x) 脈沖響應(yīng)呈兩頭小中間大的形式, 后期逐漸趨于0, 說(shuō)明誤差擾動(dòng)對(duì)模型的影響是穩(wěn)定的;d (x) 沖擊擾動(dòng)引起d (y) 脈沖響應(yīng)較小, 也在0線附近振動(dòng), 幾乎為0;d (y) 沖擊擾動(dòng)引起d (y) 脈沖響應(yīng)較大, 在0線上下振動(dòng), 隨后逐步收斂于0, 這些都表面模型是穩(wěn)定的。

    圖3 d (x) , d (y) 脈沖響應(yīng)分析結(jié)果

    圖3 d (x) , d (y) 脈沖響應(yīng)分析結(jié)果  下載原圖


    2.8 方差分解

    d (x) , d (y) 的方差分解結(jié)果如圖4所示。從圖4知, d (x) 對(duì)d (x) 方差的影響較大, 貢獻(xiàn)率為95%左右, 且影響比較穩(wěn)定;幾乎不變。d (y) 對(duì)d (x) 方差的影響較小, 貢獻(xiàn)率為5%左右, 影響也比較穩(wěn)定, 幾乎為平行線;d (x) 對(duì)d (y) 的方差影響較小, 貢獻(xiàn)率為20%左右, 影響不太穩(wěn)定, 前低后高;d (y) 對(duì)d (y) 的方差影響較大, 貢獻(xiàn)率為80%左右, 影響也不太穩(wěn)定, 前高后低。

    圖4 d (x) , d (y) 的方差分解結(jié)果

    圖4 d (x) , d (y) 的方差分解結(jié)果  下載原圖


    2.9 模型預(yù)測(cè)

    根據(jù)預(yù)測(cè)方程 (3) 對(duì)CWI和LPI進(jìn)行預(yù)測(cè), 結(jié)果如表6所示。從表6可知, 前期的預(yù)測(cè)誤差較大, 后期的預(yù)測(cè)誤差較小, 這是由VAR模型的特點(diǎn)決定的, 前期數(shù)據(jù)主要用于建模, 誤差大小并不重要, 關(guān)鍵是后期誤差, 模型的價(jià)值就在于后期預(yù)測(cè)效果, 后期誤差才是衡量模型優(yōu)劣的關(guān)鍵因素。2015年7月至2017年3月時(shí)間段內(nèi)后10個(gè)月CWI的平均預(yù)測(cè)誤差為1.969 3%, LPI的平均預(yù)測(cè)誤差為0.515 1%, 預(yù)測(cè)曲線如圖5-6所示。LPI的預(yù)測(cè)精度相對(duì)較高, CWI的預(yù)測(cè)精度相對(duì)要低些。根據(jù)模型預(yù)測(cè)得到2017年4月份中國(guó)倉(cāng)儲(chǔ)指數(shù)和中國(guó)物流業(yè)景氣指數(shù)分別為63.251 07和52.505 96。

      

    表6 模型預(yù)測(cè)結(jié)果  下載原圖



    表6 模型預(yù)測(cè)結(jié)果
    圖5 CWI預(yù)測(cè)值與實(shí)際值對(duì)比

    圖5 CWI預(yù)測(cè)值與實(shí)際值對(duì)比  下載原圖


    圖6 LPI預(yù)測(cè)值與實(shí)際值對(duì)比

    圖6 LPI預(yù)測(cè)值與實(shí)際值對(duì)比  下載原圖


    3 結(jié)語(yǔ)

    中國(guó)倉(cāng)儲(chǔ)指數(shù)反映了倉(cāng)儲(chǔ)行業(yè)經(jīng)營(yíng)狀況和國(guó)內(nèi)市場(chǎng)主要商品供求狀況與變化趨勢(shì), 對(duì)監(jiān)測(cè)、分析和調(diào)節(jié)國(guó)民經(jīng)濟(jì)的運(yùn)行, 指導(dǎo)企業(yè)經(jīng)營(yíng)決策的制定具有重要意義。中國(guó)物流業(yè)景氣指數(shù)不僅能準(zhǔn)確反映我國(guó)物流運(yùn)輸行業(yè)的運(yùn)行狀況, 也是我國(guó)經(jīng)濟(jì)運(yùn)行發(fā)展趨勢(shì)的晴雨表, 對(duì)國(guó)民經(jīng)濟(jì)宏觀調(diào)控和經(jīng)濟(jì)體制改革具有重要的參考價(jià)值。2017年下半年, 我國(guó)CWI和LPI持續(xù)向好, 逐月攀升, 這是一個(gè)良好的兆頭, 表明我國(guó)經(jīng)濟(jì)已經(jīng)止跌趨穩(wěn), 走出低谷, 逐步回升, 而且仍處于大有作為的重要戰(zhàn)略機(jī)遇期, 在保證實(shí)現(xiàn)既定發(fā)展速度的同時(shí), 經(jīng)濟(jì)發(fā)展的質(zhì)量持續(xù)得到了提高。準(zhǔn)確預(yù)測(cè)CWI和LPI的發(fā)展規(guī)律, 對(duì)判斷我國(guó)經(jīng)濟(jì)階段性走勢(shì), 及時(shí)調(diào)整國(guó)民經(jīng)濟(jì)發(fā)展戰(zhàn)略, 促進(jìn)經(jīng)濟(jì)又好又快發(fā)展具有積極的意義。文中采用VAR模型對(duì)中國(guó)倉(cāng)儲(chǔ)指數(shù)和中國(guó)物流業(yè)景氣指數(shù)進(jìn)行預(yù)測(cè), 取得了滿意的效果。2015年7月至2017年3月時(shí)間段內(nèi)后10個(gè)月CWI的平均預(yù)測(cè)誤差為1.969 3%, LPI的平均預(yù)測(cè)誤差為0.515 1%, 根據(jù)模型預(yù)測(cè)得到2017年4月份中國(guó)倉(cāng)儲(chǔ)指數(shù)和中國(guó)物流業(yè)景氣指數(shù)分別為63.251 07和52.505 96。

    權(quán)所有©:上海陽(yáng)合儲(chǔ)運(yùn)
    專(zhuān)業(yè)承接上海倉(cāng)庫(kù)租賃、上海倉(cāng)儲(chǔ)配送物流、上海電商倉(cāng)儲(chǔ)企業(yè)服務(wù)與微笑同在"的先進(jìn)理念不斷發(fā)展壯大。 

    友情鏈接: 消防車(chē)  分析儀器  北京拓展訓(xùn)練    雞排加盟   恒溫振蕩器  別墅泳池設(shè)備  外貿(mào)論壇    檔案管理系統(tǒng)    酒精測(cè)試儀    旋轉(zhuǎn)火鍋設(shè)備  假山制作   煙臺(tái)裝修  地坪漆    實(shí)心輪胎   垃圾車(chē) 位移傳感器     貨運(yùn)管理軟件   鋼制暖氣片  濟(jì)南雕刻機(jī)  羅斯蒙特3051  影像測(cè)量?jī)x
       食品級(jí)軟管     鶴管    三相電表   AGV叉車(chē)  切削液  有限元分析
    機(jī)房監(jiān)控   數(shù)控銑床  原子熒光光譜儀   移動(dòng)廁所
    滬公網(wǎng)安備 31011402008344號(hào) 滬ICP備14036201號(hào)-32