朱　嵐

(河海大學 商學院，南京 211100)

?

基于灰色GM(1,1)聯(lián)合預測模型的企業(yè)產(chǎn)值評估

朱嵐

(河海大學 商學院，南京 211100)

針對企業(yè)單位生產(chǎn)總值的預測問題，利用預測模型估計未來企業(yè)的發(fā)展規(guī)模以及經(jīng)濟能力?？紤]到傳統(tǒng)回歸模型的不足，在灰色關(guān)聯(lián)度和GM(1,1)模型的基礎(chǔ)上提出了灰色G(1,1)聯(lián)合預測模型。從灰色關(guān)聯(lián)度出發(fā)尋找數(shù)據(jù)之間的關(guān)系，預測及加權(quán)生成模型關(guān)聯(lián)系數(shù)，從而建立預測模型。最后根據(jù)2006—2012年企業(yè)生產(chǎn)的相關(guān)數(shù)據(jù)資料，利用該模型預測企業(yè)2013年的生產(chǎn)總值，預測結(jié)果說明該模型在預測方面是有效的。

灰色理論；灰色關(guān)聯(lián)度；預測模型；GM(1,1)模型；生產(chǎn)總值；回歸分析

當下中國推行財政分權(quán)制度，在這樣的體制下地方政府在發(fā)展地方經(jīng)濟、引進投資、保障就業(yè)、提升地區(qū) GDP增長等方面有著內(nèi)在的動力[1-3]，這些經(jīng)濟指標在地方官員的考評機制中的地位也愈顯重要。從1990年資本市場的建立，到現(xiàn)在20余年的發(fā)展歷程充分說明公司企業(yè)已經(jīng)成為國民經(jīng)濟發(fā)展的中堅力量，優(yōu)秀的企業(yè)更是帶動地方經(jīng)濟發(fā)展的重要力量[4-7]。優(yōu)良的企業(yè)不僅擁有較高的經(jīng)濟資源利用效率，還能吸引更多外部的經(jīng)濟資源，在經(jīng)過企業(yè)經(jīng)營提高企業(yè)產(chǎn)值同時也對地方經(jīng)濟增長做出更多貢獻，為企業(yè)所在地帶來豐厚的“超額收益”。企業(yè)是提升地方經(jīng)濟水平最具活力的微觀主體，是推動地方經(jīng)濟發(fā)展的源動力。企業(yè)的區(qū)域分布情況基本上反映了我國地方經(jīng)濟的發(fā)展狀況，企業(yè)數(shù)量多、質(zhì)量高的地區(qū)是經(jīng)濟較為發(fā)達的區(qū)域。具體地說，企業(yè)生產(chǎn)產(chǎn)值的增長帶動地方GDP 持續(xù)增長，提高地方經(jīng)濟發(fā)展水平。對地方政府及企業(yè)而言，企業(yè)生產(chǎn)產(chǎn)值都是及其重要的衡量指標，從長遠發(fā)展的角度來看地方政府部門以及企業(yè)本身對企業(yè)未來能夠創(chuàng)造的產(chǎn)值更要密切關(guān)注，因此對于企業(yè)未來的產(chǎn)業(yè)產(chǎn)值的估計顯得尤為重要。鑒于此，本文在現(xiàn)有文獻的基礎(chǔ)上研究合理估算企業(yè)未來產(chǎn)值的方法。

1　構(gòu)建灰色聯(lián)合預測模型

查閱以往的文獻可知：對于多因素統(tǒng)計分析通常采用回歸分析的方法[8]，即從事物之間的因果關(guān)系出發(fā)研究數(shù)據(jù)變化的規(guī)律，并且建立預測模型對后期未知數(shù)據(jù)進行預測。在預測模型比較重要的有馬爾可夫模型、灰色預測模型等，其中灰色預測模型主要是利用原始數(shù)據(jù)累加生成序列建立模型進行數(shù)據(jù)預測，GM(1,1)模型是基礎(chǔ)和核心[9-15]。為了克服基礎(chǔ)模型預測精度不高以及模型僅從序列本身尋找數(shù)據(jù)變化規(guī)律的局限性，利用灰色關(guān)聯(lián)度能通過刻畫數(shù)據(jù)序列所對應曲線的相似程度的特性建立模型，實現(xiàn)精確度較高的數(shù)據(jù)預測[16]。我們將這種預測時間序列關(guān)系發(fā)展趨勢且包含灰色關(guān)聯(lián)度的GM(1,1)模型稱為灰色聯(lián)合預測模型。

1.1灰色關(guān)聯(lián)度以及GM(1,1)模型

在傳統(tǒng)的統(tǒng)計分析中，有一種利用位移差反應序列變量發(fā)展過程的鄧氏關(guān)聯(lián)度，但這種關(guān)聯(lián)度在對序列間的關(guān)系量化的結(jié)果不唯一且不規(guī)范，量綱一化處理也不能發(fā)揮很好的作用[17-19]。在此給出一個關(guān)于灰色關(guān)聯(lián)度較優(yōu)的定義。

定義1設數(shù)列Xi=(xi(1),xi(2),…,xi(n)),i=0,1,2,…,m，稱Δi(t)為序列Xi在t-1→t的數(shù)據(jù)增量，t=2,3,…,n，即

(1)

且有

(2)

這時，Ei為數(shù)值增量Δi(t)絕對值的平均值，?i(t)為數(shù)值增量Δi(t)的均化值。

根據(jù)以上定義的變量值有：

(3)

(4)

其中，r0i(t)，r0i分別稱為序列Xi與X0的灰色關(guān)聯(lián)系數(shù)以及灰色關(guān)聯(lián)度。

定義2設序列Xi=(xi(1),xi(2),…,xi(n)),i=0,1,2,…,m。當i=0時，稱Xi為因變量序列；當i≠0時，稱Xi為自變量序列。

(5)

1.2模型關(guān)聯(lián)系數(shù)的預測以及加權(quán)生成

(6)

x0(k)與xi(k)的關(guān)聯(lián)系數(shù)為

(7)

則r0i(k)成為由GM(1,1)模型的預測值以及序列Xi與X0的灰色關(guān)聯(lián)度在λ下的生成值，可以看出r0i(k)受到序列之間的傳統(tǒng)關(guān)聯(lián)度以及發(fā)展趨勢的雙重影響，對于λ∈(0,1)，一般取λ=0.5。

1.3預測變量的預測公式推導

根據(jù)式(3)可知：

(8)

根據(jù)定義1的相關(guān)內(nèi)容，對表達式進行推導可得：

1) 當X0是單調(diào)增長序列時，

2) 當X0是單調(diào)減小序列時，

由以上2個公式可以根據(jù)基期的數(shù)值計算下一時期的數(shù)值，完成預測工作。

1.4灰色聯(lián)合預測模型的建立

在一般的應用回歸分析中，因變量通常會受一個或多個自變量的影響，從而會表現(xiàn)出特定的性質(zhì)，這些特征可以通過特定的函數(shù)關(guān)系來表現(xiàn)。作為影響因素的不同自變量對因變量產(chǎn)生不同程度的影響，可以用回歸系數(shù)來表示影響程度，其回歸系數(shù)越大表示影響作用越明顯。同樣地，對于建立的灰色聯(lián)合預測模型，灰色關(guān)聯(lián)系數(shù)體現(xiàn)了自變量序列對因變量序列的影響程度，測量自變量序列與因變量序列之間關(guān)聯(lián)程度的灰色關(guān)聯(lián)度也能表現(xiàn)出特定的函數(shù)關(guān)系，其中灰色關(guān)聯(lián)系數(shù)越大表明自變量與因變量序列間的影響越大。那么，在這種意義上可以說回歸系數(shù)與灰色關(guān)聯(lián)系數(shù)有著相同的意義。

基于上面對于灰色關(guān)聯(lián)度以及預測模型的理論分析，結(jié)合回歸分析的方法以及回歸模型的回歸特性，現(xiàn)在就可以通過事物之間的因果關(guān)系建立灰色聯(lián)合預測模型。

首先假設

那么灰色聯(lián)合預測模型為：

(9)

2　預測模型的應用

通常用國內(nèi)生產(chǎn)總值(GDP)的數(shù)值大小來衡量國家的經(jīng)濟規(guī)模，同樣我們用企業(yè)結(jié)算期(一般情況下是以年為結(jié)算單位)內(nèi)的生產(chǎn)總值(GDP)來表現(xiàn)一個企業(yè)的經(jīng)濟規(guī)模。根據(jù)相關(guān)經(jīng)濟專家的意見，選擇該企業(yè)的生產(chǎn)總值(GDP)(X0，億元)、企業(yè)固定資產(chǎn)投資(X1，億元)以及企業(yè)貿(mào)易總額(X2，億元)為變量的時間序列。為了更直觀地表現(xiàn)本文提出的預測模型結(jié)果的精確性，用GM(1,1)模型、GM(1,3)模型、回歸模型以及灰色聯(lián)合模型同時進行預測，最后比較分析4種模型的預測結(jié)果。根據(jù)統(tǒng)計資料，整理出Y省的大型企業(yè)W在2006—2012年的上述3個量的具體數(shù)值，如表1所示。

表12006—2012年企業(yè)的GDP、固定資產(chǎn)投資以及貿(mào)易總額億元

年份2006200720082009201020112012X08960096003102390116790136725183212208971X1327013700843199552117009188600109912X24699510061988541115381433117590

1) GM(1,1)模型

利用數(shù)據(jù)資料以及GM(1,1)模型的相關(guān)計算方法，計算得到a=-0.18,b=62 751.14，則模型預測公式為

計算得到：x0(8)=294 071.11。

2)GM(1,3)模型

同樣地，可以得到 ：

代入數(shù)值計算得到：x0(8)=313 499.04

3) 回歸模型

利用Eviews軟件將表1中的數(shù)據(jù)進行處理，根據(jù)處理結(jié)果建立回歸模型，即

x0=3.54x1-11.39x2+22 970.98

將統(tǒng)計資料中x1，x2的值代入上式可以得到第8年的生產(chǎn)總值x0(8)=261 500.11。

4) 灰色聯(lián)合預測模型

根據(jù)本文的理論分析，首先可以根據(jù)式(1)計算序列的數(shù)值增量，結(jié)果見表2；其次根據(jù)式(2)計算序列數(shù)值增量的均化值，結(jié)果見表3；最后根據(jù)式(2)計算X0，X1，X2的灰色關(guān)聯(lián)系數(shù)，結(jié)果見表4。

表2　2006—2012年企業(yè)的GDP、固定資產(chǎn)投資以及貿(mào)易總額的數(shù)值增量　億元

表3　2006—2012年企業(yè)的GDP、固定資產(chǎn)投資以及貿(mào)易總額的數(shù)值增量均化值　億元

表4　2006—2012年企業(yè)的GDP、固定資產(chǎn)投資以及貿(mào)易總額的灰色關(guān)聯(lián)系數(shù)

從表4的數(shù)據(jù)可以得到關(guān)聯(lián)系數(shù)的序列為：

R01=(0.97,0.86,0.85,0.89,0.57,0.78)

R02=(0.87,0.84,0.76,0.71,0.51,0.83)

從而計算得：r01=0.869 9，r01=0.738 9。

以下根據(jù)R01，R02建立GM(1,1)模型，利用式(6)以及式(7)計算得到關(guān)聯(lián)系數(shù)的預測值以及加權(quán)預測值(λ=0.5)分別為：

r01(7)=0.737,r02(7)=0.671

現(xiàn)在就可以建立企業(yè)生產(chǎn)總值X0與企業(yè)固定資產(chǎn)投資X1、企業(yè)貿(mào)易總額X2的預測模型，根據(jù)式(9)可得：

(10)

通過查閱企業(yè)提供的資料可知：2013年該企業(yè)的固定資產(chǎn)投資以及貿(mào)易總額分別為138 016和217 993。將這些數(shù)據(jù)應用到式(10)中得到：

x0(7)=209 500,r01(7)=0.741

E0=20 001, ?1(8)=2.125

計算得到固定資產(chǎn)投資X1的預測值為：

x01(8)=259 112.13

同理得企業(yè)貿(mào)易總額X2的預測值為：

x01(8)=239 312.11

利用資產(chǎn)投資與貿(mào)易總額的預測值以及公式(10)得到生產(chǎn)總值X0的預測值為：

x0(8)=0.538×259 112.13+0.462×

239 312.11=249 964.52

為了更加直觀地看出4種模型預測結(jié)果的優(yōu)劣，現(xiàn)將每個模型的預測結(jié)果與實際數(shù)值之間的誤差計算出來如表5。

從表5中的數(shù)值看以明顯地看出：灰色聯(lián)合預測模型計算出的預測值與實際數(shù)值的誤差百分數(shù)比其他3種模型的都要小，甚至與GM(1,3)模型的誤差有幾十倍的差距。從理論來看：回歸模型預測精準度低主要是因為只取了企業(yè)近7年的相關(guān)數(shù)據(jù)，樣本容量相對來說較小；GM(1,1)模型僅僅依據(jù)數(shù)據(jù)序列本身的規(guī)律去進行預測，而沒有考慮到其他因素的影響；GM(1,3)模型的理論體系相對來說還不完善，沒能處理好誤差的累積影響，進而導致預測結(jié)果誤差比較大；灰色聯(lián)合預測模型是在以上模型的基礎(chǔ)上，集合各個模型的長處，改進以往模型的不足，以及巧妙利用灰色理論的優(yōu)點，因此才能得到比較精確的預測結(jié)果。

表5　2013年企業(yè)的生產(chǎn)總值(GDP)的預測值及誤差比較

3　結(jié)束語

本文依據(jù)常規(guī)統(tǒng)計分析中經(jīng)常用的回歸分析理論，考慮到樣本容量等相關(guān)影響因素對于因變量的影響，結(jié)合灰色理論的優(yōu)點提出了一種新的預測模型。灰色聯(lián)合預測模型從灰色關(guān)聯(lián)度的角度分析事物發(fā)展變化的影響因素及其影響程度，通過GM(1,1)模型預測影響因素的變化趨勢，然后按照回歸分析的建模思想構(gòu)建預測模型。經(jīng)過實例的驗證，該預測模型的預測結(jié)果比常規(guī)預測模型的結(jié)果更準確。需要注意的是，應用該模型進行預測計算時要求選擇的數(shù)據(jù)樣本量較小以及序列滿足單調(diào)性，這樣能確保模型預測的結(jié)果精確程度是一個理想的結(jié)果。

[1]段杰,張娟.基于灰色預測的深圳文化創(chuàng)意產(chǎn)業(yè)發(fā)展對經(jīng)濟增長貢獻研究[J].中國人口資源與環(huán)境,2014(3):457-460.

[2]劉笑冰,陳建成,何忠偉.基于MGM(1,N)模型的北京創(chuàng)意農(nóng)業(yè)發(fā)展灰色預測[J].中國人口資源與環(huán)境,2013(4):62-67.

[3]楊華龍,劉金霞,鄭斌.灰色預測GM(1,1)的改進與應用[J].數(shù)學的實踐與認識,2011(23):39-47.

[4]張子余,張?zhí)煳?“真實銷售行為”的動態(tài)選擇與經(jīng)濟后果[J].南開管理評論， 2011(6):128-136．

[5]唐雪松,周曉蘇,馬如靜.政府干預、GDP 增長與地方國企過度投資[J].金融研究，2010(8):33-48.

[6]李夢,李勇.市場化水平、所有制結(jié)構(gòu)與經(jīng)濟周期[J].中國經(jīng)濟問題,2013(6):28-40.

[7]顧鳴潤,楊繼偉,余怒濤.產(chǎn)權(quán)性質(zhì)、公司治理與真實盈余管理[J].中國會計評論,2012(3):255-274.

[8]TAYLOR G.K,XU R Z.Consequences of Real Earnings Management on Subsequent Operating Performance[J].Research in Accounting Regulation,2010(2):128-132.

[9]董奮義.基于新改進GM(1,1)模型的中國企業(yè)債券融資發(fā)展預測[J].中國管理科學,2007,15(4):93-97.

[10]張岐山.提高灰色GM(1,1)模型精度的微粒群方法[J].中國管理科學,2007,15(5):126-128.

[11]何昕,陳亞青.應用改進的灰色模型預測民航管制員數(shù)量[J].實驗科學與技術(shù),2010(2):28-30.

[12]祝華遠，崔亞君，高峰娟.灰色預測模型在軍機飛控系統(tǒng)故障預測中的應用[J].四川兵工學報，2014(6):44-46.

[13]王娜，涂建軍，孫祥龍,等.基于灰色模糊評價法的耕地社會功能評價--以重慶市為例[J].西南大學學報(自然科學版)，2014(10):144-149.

[14]鄭瑤，席澤敏，許杰.基于灰色關(guān)聯(lián)分析的備件保障能力評估方法[J].四川兵工學報，2014，35(3):62-64.

[15]宋嚴.灰色關(guān)聯(lián)分析與支持向量機相融合的網(wǎng)絡安全態(tài)勢評價[J].激光雜志，2015，36(4):147-150.

[16]任工昌,劉麗,苗新強.改進灰色模型在電力負荷中的預測分析及實現(xiàn)[J].工程設計與制造,2010(2):232-234.

[17]閆永權(quán).基于頻繁的Markov鏈預測模型[J].計算機應用研究,2007，24(3):41-46.

[18]李志強.山東省國民生產(chǎn)總值預測的灰色模型[J].山東農(nóng)業(yè)大學學報(自然科學版),2008(2):263-266．

[19]GUNNY K A.The Relation Between Earnings Management Using Real Activities Manipulation and Future Per-formance:Evidence from Meeting Earnings Benchmarks[J].Contemporary Accounting Research,2010(3):855-888.

(責任編輯楊黎麗)

Assess of Enterprise Value Based on Grey GM(1,1)Forecasting Combined Model

ZHU Lan

(School of Business, Hohai University, Nanjing 211100, China)

This paper used the predictive model to estimate the scale of future development and economic capability about the prediction of gross production enterprises. Considering the shortcomings of traditional regression model, grey G(1,1) forecasting combined model gray correlation was raised on the basis of grey correlation degree and GM (1,1) model. We found the relationship between the data by gray correlation, and forecasted and weighted correlation coefficient in order to establish predictive models. Finally, according to the production data in 2006—2012, we used the predictive model to predict the corporate GDP in 2013, and the results showed the effectiveness of the model prediction.Key words: gray theory; gray relational grade; prediction model; GM (1,1) model; GDP; regression analysis

2016-04-04

國家社會科學基金資助項目(13zxb082)

朱嵐(1990—)，女，江蘇泰州人，碩士研究生，主要從事企業(yè)管理、人力資源管理研究，E-mail:zhulan0928@163.com。

format：ZHU Lan.Assess of Enterprise Value Based on Grey GM(1,1) Forecasting Combined Model[J].Journal of Chongqing University of Technology(Natural Science)，2016(10):175-180.

10.3969/j.issn.1674-8425(z).2016.10.028

O29；F275

A

1674-8425(2016)10-0175-06

引用格式：朱嵐.基于灰色GM(1,1)聯(lián)合預測模型的企業(yè)產(chǎn)值評估[J].重慶理工大學學報(自然科學)，2016(10):175-180.