ARIMA模型TOPSIS分析法在集团公司结算备付量预测中应用和,此文是一篇TOPSIS论文范文,为你的毕业论文写作提供有价值的参考。
TOPSIS论文参考文献：
摘 要：ARIMA模型广泛应用于时间序列的分析预测,TOPSIS法在多方案、多指标综合选优方面表现出众,本文将这两种方法应用于企业集团财务公司资金备付量的预测分析中,在安全备付的同时,实现资金收益率最大化.
关键词：ARIMA模型；TOPSIS分析法；预测
ARIMA模型广泛应用于时间数列的预测与分析.
TOPSIS法的全称是“逼近于理想值的排序方法”（TechniqueforOrderPreferencebvSimilaritytoIdealSolution）,是一种适用于多指标、对方案进行比较选优的方法.
内蒙古电力集团为实现集团公司资金集约化管理水平,于2016年组建了财务公司,2016年4月开始运作以来,累计*集团支付资金额达1800.75亿元,为更好实现资金结算作用,保障资金备付,需准确预测日资金备付量.本文将以上两种方法应用于集团公司资金备付量的时间序列预测模型及方案选优,通过预测模型得到预测的资金备付量,提升资金备付准确率,在实现资金安全备付的同时提高资金收益率.
本文以2016年4月1日至11月28日累计167天的的资金支付情况做为时间序列,分时间序列分析、建立ARMA模型、TOPSIS法方案选优确定模型、预测四个部分进行说明,最终实现ARIMA建模和多方案选优,为企业资金备付量选定最优预测模型并加以应用,填补集团财务公司资金备付量预测的空白.
一、时间序列分析
1.绘制序列相关图
采集2016年4月1日至11月28日止167天的支付金额做为时间序列,利用EVIEWS软件,建立工作文件,建立以日为频率的序列B,生成时序图,如图所示：
2.ADF单位根检验
通过时序图判断序列是平稳的,可以通过统计检验来进一步验证其平稳性.
由检验结果所知,单位根检验的t检验值-11.95665小于各检验水平下的临界值,所以B序列为平稳序列.
3.确定自相关函数与偏自相关函数
从B序列的自相关函数和偏自相关函数图中可以看出,AC（自相关函数）和PAC（偏自相关函数）都是拖尾的,基本全部落入置信区间,因此可以设定为ARIMA过程.
二、ARIMA建模
1.参数估计
根据B序列的自相关函数和偏自相关函数图,得到以下14个方程：使用EVIEWS软件,利用最小二乘法,得到参数估计结果.
2.模型检验
对模型参数估计后,进行残差检验.由于样本个数是167个,m等于16,p+q的值等于p和q的阶数相加,Q统计量由对应方程得到的残差序列计算自相关函数的m阶所对应的Q值确定,（m-p-q）临界值从分布分位数表中选取显著水平α等于0.05,n等于m-p-q时的值.得到以下结果,如表1所示：
如果Q统计量≤（m-p-q）,则表示通过检验,表示该模型是适用于该时间序列的.通过以上检验,14个方程的残差检验有3个未通过检验,如何从剩下的11个方案中选取一个最优方程作为预测模型是下一阶段主要解决的问题.
三、TOPSIS法方案选优
使用TOPSIS分析法,利用逼近理想解的排序方法进行选优.首先,将11个方程分别生成拟合序列,对得到的拟合序列分别计算均值等各项指标,然后,求其自相关系数,取q等于1时的AC,并分别计算各拟合序列值与实际序列值的差并取绝对值,然后对数据进行标准化,然后根据相关系数的指标权重的确定方法来计算各指标所占的权重.首先,建立以上指标的相关系数矩阵,然后对其进行绝对值求和,然后计算其重要度,最后进行归一化,得到各项指标的权重.
根据各指标权重对各方程拟合数列指标值与原序列值差的绝对值进行权重化.然后得到理想解和负理想解.理想解的选取原则为：调整后的可决系数选取最大值,其余各项指标取最小值；负理想解的选取原则为：调整后的可决系数选取最小值,其余各项指标取最大值.利用公式（1）、（2）及（3）：
模拟序列与理想解的距离
模拟序列与负理想解的距离
与理想解的相对接近程度
式中：Cij表示第i个序列第j个指标值；
Cj+表示理想解的第j个指标值；
Cj-表示负理想解的第j个指标值.
计算得到各方程拟合序列与理想解及负理想解的距离,对应的模拟序列如是理想序列,它与理想解距离最小,与理想解的相对接近度越高越好,表示与实际序列越接近,计算结果如表2所示：
表2 模拟序列与理想解及负理想解的距离
从上表2可以看出,模拟序列与理想解的相对接近度最大的是（3,0,3）序列,因此,选用ARIMA（3,0,3）序列作为最佳拟合序列用于预测.
四、预测
选用ARIMA（3,0,3）模型对11月29日和30日两天的资金支付量进行了预测,误差率为-16%.分析原因,主要是由于财务公司刚开始运作,结算数据积累还较少,通过多次校验证明,随着样本量增加,误差率呈收缩趋势.因此,在目前财务公司运行未满一年阶段,可以将利用ARIMA模型预测得到的备付金额放大20%,则完全可以满足备付需要,可有效减少备付冗余,将剩余资金投资于其他高收益项目,提高集团资金收益.
参考文献：
[1]吴喜.时间序列建模与模型选择的应用研究[D].合肥大学,2006.
[2]易丹辉.数据分析与EVIEWS应用[M].中国统计出版社,2002.
[3]陆璇.应用统计[M].清华大学出版社,1999.
[4]付永贵,朱建明.基于大数据的网络供应商信用评估模型[J].*财经大学学报,2016.
[5]熊国经,熊玲玲,陈小山.基于因子分析和TOPSIS法在学术期刊评价中的改进研究[J].情报杂志,2016.
[6]漆艳茹.确定指标权重的方法及应用研究[D].东北大学,2010.
[7]苏力.时间序列预测法在降水预报中的应用[J].青海气象,2006.
[8]宋之杰,高晓红.一种多指标综合评价中确定指标权重的方法[J].燕山大学学报,2002.
[9]孙伟,侯富民.理想解法及其在学科评估中的应用探讨[J].方法与技术,2005.
结论：关于TOPSIS方面的论文题目、论文提纲、topsis综合评价法步骤论文开题报告、文献综述、参考文献的相关大学硕士和本科毕业论文。
基于违约模型内部评级法对信用风险管理有效性
摘要：从《巴塞尔新资本协议》开始，对信用风险的管理越来越受到世界的关注，目前，对内部评级法中信用风险核算变量违约率（PD）的核算的研究更为深入，。
ARIMA模型在股票预测中的应用
摘 要：文章研究了ARIMA模型及其应用，以三一重工（600031）的120个股票价格数据为例，给出了时间序列模型预测的建模过程。通过真实值与。
基于ARIMA模型甘肃省生态足迹预测
摘 要：生态足迹模型是一种可以有效度量可持续发展的方法，从提出以来备受人们的关注。将生态足迹模型与ARIMA模型相结合，采用不同的均衡因子，以甘。
基于ARIMA模型对我国升学率
为分析近几年我国教育部门高中升学率的变动趋势，并预测未来几年的升学率情况，为今后教育事业的发展提供相应对策建议。文章采取1990-2012年的教。