基于ARIMA模型对贵州茅台财务数据的实证分析

《基于ARIMA模型对贵州茅台财务数据的实证分析》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、总第546期管理观察2014年7月第19期ManagementObserver上旬出版基于ARIMA模型对贵州茅台财务数据的实证分析周开文(同济大学经济与管理学院，上海200092)摘要：十八大后一系列新政策和规定不断出台。其中“八项规定，六项禁令”明确禁止公款吃喝等行为。而贵州茅台有限公司作为我国政府公务接待唯一指定的专用高端白酒生产厂商，因此受到巨大冲击。本文以该公司在此政策出台前七年（2006-2012）的季度营业收入数据为依据，建立ARIMA模型，预测了在无政策影响下2013-2014的营业收入情况。并与实际数据进行比较，从实证角度定

2、量评估了此次新政给茅台公司造成的消极影响。关键词：政策茅台营业收入ARIMA模型1.研究背景和目的的贵州茅台有限公司季度，半年度和年度财务报表。采用的统计分析软件为SPSS18.0贵州茅台有限公司是一家专门生产高端白酒的著名2.2ARIMA模型与应用方法国有企业。其最具代表性的商品就是中国政府公务接待2.2.1ARIMA模型简介。ARIMA模型全称为差分自回指定用酒——茅台飞天53°。据相关数据，该产品每年归移动平均模型(AutoregressiveIntegratedMoving①约占其营业收入9成以上。改革开放三十年，不仅造就Averag

3、eModel)，是指基于平稳或可平稳化的非平稳时了中国经济的腾飞，也使政府财政收入大幅增加，三公间序列数据，将序列原值对其时间滞后值、随机误差序支出连年增长。而该公司作为三公支出的直接相关者，列现值、随机误差序列滞后值三者进行方程回归所建立其市值也从少于10亿美元飙升到2012年410亿美元的[3]的模型。序列时间滞后项被称为“自回归”项，p为[1]顶峰。但2012年12月中共中央政治局会议审议通过自回归项数；随机误差序列自身和其滞后项称为“移动的“八项规定，六项禁令”，以及不久后中央军委明确平均”项，q为移动平均项数，d为平稳化处理过程中所

4、发文禁止公务接待使用白酒等一系列政策使得情况发生做的差分次数。此模型一旦被建立后，就可依据时间序了显著的改变。列历史值来预测未来值。ARIMA(p,d,q)模型的一般表达为了考察和评估此政策对公司的实际作用和影响，式为：本文首先搜集和整理了政策出台前七年（2006年一季度至Xt=λ1X(t-1)+…+λpX(t-p)+ξt-θ1ξ(t-1)-…-θqξ(t-q),t∈Z2012年四季度）的全部28个分季度营业收入数据。接着在Xt为时间序列不引入政策影响变量的前提下，以此时间序列建立ARIMAξt为随机误差序列模型，预测了政策出台之后的5个季度

5、（2013年一季度至t为代表时间的整数2014年一季度），其营业收入情况。最后通过与实际数据p为自回归的项数进行比较，具体计算出了本次政策所带来的消极影响。d为差分运算的次数但值得说明的是,因为影响营业收入的因素众多,q为移动平均的项数而ARIMA模型仅是依据其自身时间序列做出分析和预测，λi为自回归项中的参数一般适合短期预测。长期预测能力会随着因其他影响因[2]θi为移动平均项中的参数子变化所产生的误差积累而丧失。2.3运用ARIMA模型的一般步骤2.数据来源与研究方法2.3.1根据时间序列散点图、自相关函数、偏自相关函数或ADF单位根识别

6、和检验方差、趋势及其季节性2.1数据来源变化规律，对序列平稳性进行判断。本文中的营业收入数据均来源于发布在巨潮资讯网②上2.3.2如果序列是非平稳的，并存在一定增长或下·69·财经管理降趋势，则需要对数据进行差分处理，如果数据存在异3.4检验ARIMA(3,1,0)模型的残差方差，则需对数据进行技术处理，直到其自相关函数值和偏相关函数值显著地等于零。2.3.3根据ARIMA模型识别规则，判断和确定p,q的值。2.3.4对模型进行参数估计，检验其统计意义。并诊断残差序列是否为白噪声。2.3.5利用通过检验的模型进行预测和分析。图1—ARIMA(

7、3,1,0)残差的自相关与偏相关图3.数据分析结果由上可知残差的自相关（ACF）和偏相关(PACF)值3.1检验时间序列数据稳定性均在置信区间内，因此残差检验可以通过，残差能够被一般地，通过对时间序列取自然对数能使数据更平认为是白噪声的。稳,因此,对营业收入（Revenue）取自然对数将其转化3.5确定方程表达式为更平稳的ln_Revenue。再对ln_Revenue进行一阶差分综上，我们可以得到ARIMA(3,1,0)是对ln_revenue为D1.ln_Revenue。接着对上述三个序列进行单位根检验，的良好拟合模型。值得注意的是，由于S

8、PSS18.0中所默通过考察ADF检验统计量来判断时间序列是否平稳。检认的方程形式与一般标准式略有不同，因为我们要进行验结果如表1所示。进一步处理。在该软件中，AR