对x企业生产原料pta价格的预测研究

《对x企业生产原料pta价格的预测研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、学校代码：10255学号：2111912中图法分类号：C93对X企业生产原料PTA价格的预测研究PriceforecastoffeedstockPTAatXenterprise学科专业：工商管理（MBA）作者姓名：林珺指导教师：赵晓康答辩日期：2013年5月8日万方数据东华大学学位论文原创性声明东华大学学位论文原创性声明本人郑重声明：我恪守学术道德，崇尚严谨学风。所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所取得的成果。除文中已明确注明和引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的作品及成果的内容。论文为本人亲自撰写，我对所写的内容负责，并完全意识到本声明的

2、法律结果由本人承担。学位论文作者签名：日期：年月日万方数据东华大学学位论文版权使用授权书东华大学学位论文版权使用授权书学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅或借阅。本人授权东华大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。保密□，在年解密后适用本版权书。本学位论文属于不保密□。学位论文作者签名：指导教师签名：日期：年月日日期：年月日万方数据摘要摘要X企业因原材料的87%为PTA（对苯二甲酸），所以PTA市场价格的波动将严重影响该公

3、司原材料成本的高低，也势必关系到该公司利润的多少。2008年以后，中国聚酯行业产能高速增长拉动了前端PTA产能的新一轮扩张，使PTA价格的市场波动更加剧烈。2008-2012年，每年PTA市场的最高价和最低价的价差高达数千元，且PTA市场每一天的成交价格都在波动。显然准确地把握PTA原料市场的价格走势，对X公司这样的企业来说无疑是至关重要的。本文运用时间序列分析中的ARIMA模型（差分自回归移动平均模型，AutoregressiveIntegratedMovingAverageModel），选择将国内PTA价格作为研究对象，力图将非平稳时间序列进行平稳化处理后，用模型来识别出该序列，从而

4、达到用该序列的过去值和现在值来预测其未来值的目的。经过ARIMA模型的理论分析，及对PTA国内市场价格随机性、稳定性和季节性特征的把握，考虑到其它影响PTA价格走势的众多因素，本文构建了一个初步的PTA国内市场价格预测模型。实际结果显示，本模型的短期预测平均误差率仅为1.4%，X公司因此实现采购成本单月降低近三百万人民币的效果，对实现X企业成本控制的目标作出巨大贡献。关键词市场波动预测ARIMA模型时间序列II万方数据东华大学工商管理硕士学位论文AbstractWithPTAtakingup87%ofthetotalrawmaterialuseofXcompany,thefluctuat

5、ionofPTAmarketpriceswillsignificantlyaffecttherawmaterialcostofthecompany,andwillcertainlyconcernthecompany’sprofitmargins.From2008,therapidgrowthofpolyestercapacityinChinaboostedanewroundofexpansionofPTAcapacity,whichcausedPTApricestofluctuateevenmorefiercely.In2008-2012,thegapbetweenthetopandbo

6、ttomlevelsofPTApriceseveryyearwasasmuchas1,000yuan/ton,andPTAtransactionvaluealsomovedupwardsanddownwardseachday.So,itisveryimportantforXcompanytoaccuratelygraspthepricemovementofPTAmarket.AdoptingtheARIMAmodel(AutoregressiveIntegratedMovingAverageModel)oftimeseriesanalysis,thisarticlechoosesdome

7、sticPTApricesastheresearchobjectandtriestoidentifytheseriesbythemodelafterconductingstationaryprocessingonnonstationarytimeseries,andtherebyusesthepastvalueandthecurrentvaluetoforecastthefuturevalue.Throughthetheoretic