商业预测

商业预测（共5篇）

商业预测 篇1

改革开放以后,商业地产逐步告别了计划配置的模式,度过了商业经营企业自建自用的短暂时期,伴随着住宅商品化的浪潮,步入了商品化的时代。敏捷的先知者抓住机遇、率先介入,低成本、高产出,取得了辉煌的业绩和丰厚的回报。在榜样的示范和“一铺养三代”舆论导向的双重作用下,商业地产迎来了2003年的火爆,商铺、办公楼、酒店式公寓、宾馆客房、度假村客房、经济型酒店、创意园等项目都相继成为房地产市场关注的热点。供不应求、价格飚升的局面立即形成,挤购商业地产的现象比比皆是,大大刺激了商业地产项目的开发。过快的开发,造成了商业地产项目在布局、规模、结构、形态等方面的不合理,形成了供大于求的局面,出现了投资回报率下降,经营困难等现象,事实的教育,将商业地产导入了理性调整。金融海啸的发生,给调整中的商业地产带来了初冬的寒意,如果美国能够控制住专家预测的约6 0万亿美元左右的信用违约掉期炸弹不会完全引爆,我国推出的经济政策能见成效的话,明年应该是个暖冬,不会有更大的寒潮。

销售萎缩,效益下降

由于世界经济一体化,美国次级贷款引发的金融危机波及全球,导致经济增速放慢,投资信心丧失,交易价格下挫,贸易、消费萎缩。虽然各国经济的基础与结构不同,所受影响的大小也不同,产业的关联度不同,受影响的程度也有差异,但是商业地产作为房地产业经济的组成部分不可避免地会受到牵连。商铺、办公楼、酒店式公寓、宾馆酒店、创意园等商业地产项目都是投资性消费型的商品,它使用后可能产生的效益除了依靠本身的品质与服务外,很大程度受到市场需求的影响;同时效益的好坏又会影响资金的投向与投资的信心。

据统计显示,上海酒店业和旅游业已受美国次贷危机和国际经济增速下滑的影响,本市境外来沪旅游人数自今年5月份起已连续5个月同比下降,其中8月份降幅达12.2%。今年国庆期间,市经济和信息委抽样调查的本市30家宾馆酒店营业额同比下降11%。据锦江集团反映,国庆7天宾馆客房率仅为55.7%,比去年同期的75%回落19.3个百分点。而据长宁区经委调查,该区23家星级宾馆10月以来的客房率只有38.3%,如此低的客房率出现在黄金10月,实为罕见。

一家五星级酒店的公关经理表示,沪上很多酒店都是近几年新建的,此次金融危机对这些新兴酒店造成更为严重的影响,“而从成本回收来考虑,各酒店的客房价格不会出现大幅度的下降,下滑的只是客房的入住率,酒店会谨慎应对明年的预算。”

境外游客减少使申城高档商业也受到牵连,市经济和信息委的统计表明,10月以来本市经营高档百货、工艺品的虹桥友谊商城、永安百货、友谊商店销售同比分别下降了7.1%、10.6%、13.1%。

2008年中国商务旅行情况调查报告预计,今年中国航空旅客人数增幅将放缓至14%左右,比2007年下挫2个百分点;报告同时称,目前已有76%的中国企业和在华跨国公司开始削减差旅费,以节约开支过“紧日子”。

政策出台,商业地产受惠不大

日前,市委书记俞正声在会见参加第20次上海市市长国际企业家咨询会议的代表时说,上海将推出一系列新的政策措施,包括大力推进基础设施建设、促进社会事业均衡发展、稳定房地产市场、防范金融风险、加快推进产业项目落地、对重点企业提供帮助与扶持、加快科技产业化等。

据相关人士透露,为明年经济政策定基调的中央经济工作会议将在月底召开。扩大内需、保持经济增长已成共识,“稳健的货币政策”和“积极的财政政策”有望再次提出,税收政策可能在增加收入方面发挥作用。有传闻说:增值税可能转型为消费税、个人所得税起征点有望再次提高。

从扩大基础设施投资的保持经济增长政策,到稳定房地产市场的关注民生政策,对商业地产来说应该是一个利好,经济稳定、收入增加、利息下调必然会惠及商业地产。但是从目前获悉的信息看,政策的重点是增投入、拉内需、保就业、稳市场。既是日前出台的稳定房地产市场的政策,也是重在激励普通商品房的消费,并没有特别顾及商业地产的政策。

营运商稳健经营

正在调整时期的商业地产,又被金融风暴所殃及。贸易缩量、会务压缩、旅游下滑、消费萎缩等状况的显现,使商业地产项目的经营效益受到不小的影响,商业地产产业链的各环节的营运商或多或少都会受到牵连,营运收入下降,资金流转减慢等已成定局,对比前几年商业地产行业将有较大的萎缩,大大挫伤了对商业地产投资的信心和积极性。

当前,收缩战场、消化存量,提升服务、强化回收,加强合作、稳健开发已成商业地产的行业表象,商业地产项目市场表现喜忧参半。

据香港媒体报道,近期在参加由花旗集团于澳门举办的投资者会议时,和记黄埔董事陆法兰透露了和黄管理层的“持赢保泰”战略,根据这一战略,和黄在明年6月底前将冻结所有未落实的投资开支,并对全部现有投资项目进行检讨。

据一些机构的报告显示,当前处于商铺供应的低迷时期,市场呈现出供不应求的局面,尤其是中心商圈的旺铺十分抢手,新进名牌难觅空间。而市场供需失衡使得商铺租金一路上涨,沪上五大核心商圈的租金普遍上调,整体高档商圈的每天租金为每平方米51.4元,较今年第二季度上升2%,与去年同期相比,也有4.1%的上升。

最近一段时间,沪上各商场继续进行品牌升级,逐渐淘汰中低端品牌,引进高端品牌。

香港广场和力宝广场已经进入品牌全面调整阶段;同样位于淮海中路商圈的新华联商厦也已关闭装修,明年春节前后将翻牌为东方商厦淮海店。位于南京路上的日向百货已更名为353广场,转型为时尚购物中心;而第一百货也即将完成整修和品牌调整,将于今年底全面开放。一线品牌仍然看好上海市场,MaxMara近期将入驻了浦东华润时代广场及梅龙镇广场底层旺铺。历峰集团旗下的登喜路世界,以及美国以外第一家“芭比娃娃体验馆”,据悉也将落户淮海路。

尽管金融危机对全球消费市场带来了—定的影响,但是,百思买还是十分看好中国零售市场。在中国的首家门店开业19个月后,第二家门店中山公园店日前正式开业,到今年年底,百思买在中国的门店将达到6家。在年底前即将开出的4家新店中,3家将分别位于浦东的正大广场、八佰伴商业区和联洋社区,另外一家门店将在莘庄的仲盛世界商城。

面对现实,商业地产的开发营运将步入稳健经营时代。主要表现在:一是分工进一步细化。开发商、投资者、中间服务商,经营者各尽其能,各取所需,发挥各自的优势,分散营运风险,逐步改变了一家投资、开店、经营的自给自足小农经营模式与极尽所能、各谋其利、忽视整体的现象,实现了社会分工,社会合作的现代化工业运作模式。二是稳健开发。开发商在取得商业用地后,不再急于立即设计开发,而是集合商业专家、策略者、商业物业经营管理者,经营者的集体智慧,分析市场,明确功能,形成计划。三是注重营运管理。商业地产项目改变了过去一卖了之的状况,在明确功能定位后就引入管理团队,或寻找合作伙伴,研究招商、经营、管理,加快了商业氛围的形成,促使项目的成熟,提升投资者、经营者的收益。

投资收购将有机会

金融危机的发生给商业地产带来不良影响的同时,为寻找价格低谷,伺机投资收购者带来了机会。

黑石逆市收购长寿商业广场的交易日前终于尘埃落定。收购总代价约为9.5亿元,其中5、367亿元人民币获得这一项目95%的股权,4.1325亿元将偿还项目本金的95%的贷款。与前期协商的收购价格相比,黑石最终收购长寿商业广场在总代价获得了约为5863万元折让。这次黑石得以折让成交的原因,主要是面临全球金融危机,香港的上市房地产企业在急于套现的心理预期下,黑石获得了一定议价权。黑石为方便有效管理长寿商业广场及整合拥有权,还计划购回北座底部已经出售的2个零售商铺,“有关翻新、改善及其他提升工程、购回店铺及其他有关附带事宜所需的资本开支,预计将达到1.25亿元。”

另据香港一家媒体传出消息,黑石以逾45亿元的价格,向曾经的“上海地产大王”叶立培旗下的仲盛集团,收购了其位于闵行莘庄地铁站南广场,总建筑面积达28.5万平方米的仲盛世界商城。据称,黑石是通过离岸交易的方式收购仲盛世界。当时黑石基金认为,次贷危机虽仍令美国经济前景不明朗,但中国宏观调控估计会逐步放宽,因此,“黑石对上海房地产市场投资前景较为乐观。”

商业地产仍有“钱途”

随着国家调控住房政策的正式实施,热闹的房市一下平静了下来。买房者等待降价机会的来临;卖房者留恋昔日的辉煌,憋住气,不做降价的领头羊,市场出现了买卖双方对峙的局面。新出台的稳定房市政策,关心的是民生,鼓励的是普通商品房的消费,并不关心投资。但是,资本特有的流动性与获利性总在寻找新的流向,希望找到新的投入点。就房地产市场而言,没有因为对投机行为的调控,失去了正常投资和获利的机会,只是与初期相比,需要更多的研究与思考。虽然金融风暴的降临,影响了商业地产的收益,挫伤了投资的信心与积极性,但是与其他行业相比,商业地产投资的机遇依旧,商业地产仍有“钱图”。由于以下原因,商业地产仍是投向之一。一是目前商业地产售价与前几年相比,虽然已提高,但仍有一定的获利的空间;二是目前商业地产的价格还有回落可能,也是逢低吸纳的好时机;三是虽然目前商业地产的投资回报率有所下降,在6%左右,回收期需要18年左右,但与国家规定的商业物业使用40年限相比,还有较多的收益回报时间;四是商业地产本身的价值随着时间的推移,增值前景光明;五是部分家庭购买商业地产作为再就业或者子女工作的场所;六是目前股市、期货、黄金、外汇投资风险太大,且要具备一定的专业知识,还得时时关注;七是投资商业地产实实在在,天灾人祸的概率极低。委托理财,一不小心,变成他人嫁妆。

看到过昔日的辉煌,想今天必然是繁华,这并不客观。商业地产的租售价格从计划回归到市场之过程,呈现了快速上涨的趋势。一次投资,即得二、三倍回报,投资回报率在20%～50%以上者不乏其数。目前投资商业地产还想再现昔日的辉煌,短时取得丰厚的回报,概率已经很小,应该有一颗平常心,不能急功近利。纵观市场,目前投资商业地产,拟用自有的闲钱,做好长期投入的打算,依靠长年租金收入作回报,抓住物业成熟后升值的机会出售赢利。要想“借鸡生蛋”,短时炒卖,目前能遇见的机会微乎甚微了。

商业预测 篇2

关键词：大数据,商业预测,组织管理

当今信息技术的飞速发展, 人们的数字化生存, 以单个个体为对象的数字化信息构成大数据。到今天, 世界上所有印刷材料数据量约为200PB, 全人类说过所有对话的数量约为5EP, 我们每天产生的数据大约是2.5PB, 这就意味着当今世界全部数据的90%都由近两年产生。大数据时代已经来临。这一时期, 管理者通过借助新系统、新工具、新模型等对这些数据进行挖掘, 也从中获取了更多具有洞察力和新价值的信息[1]。然而, 现有的大数据研究多立足于信息科学, 侧重于大数据的获取、存储、处理、挖掘和信息安全等方面[2], 很少从管理学的角度对其进行探讨, 本文阐述了大数据时代商业预测对管理者提高组织管理的方法及意义, 旨在提高企业管理者对于大数据时期下商业预测的重视。

1 管理者利用大数据进行商业预测的价值日益突出

管理是企业或组织存在和发展的灵魂, 优秀的管理者可以凝聚团队力量, 促进团队发展。

因而管理者的素质对于企业的成长起着举足轻重的作用。未来基于经验主义和分析来制定决策的公司, 确实与今天的企业迥然不同[3]。未来, 企业会比过去拥有更多的人才、工具, 管理者也应具备更强的能力, 使得组织能够贯彻和应用对过去业务绩效和事件的持续分析, 从而驱动业务决策和行动。前人在管理者责任与作用的基础上提出管理者在决策过程中的三项主要活动包括:创新意愿、知识获取和风险感知[4]。因而在大数据时代, 商业预测对于管理者职能的发挥尤为重要, 商业预测对于组织的价值也日益突出。

1.1 聚焦数据, 抓住商战先机

大数据时代的来临也意味着移动互联网的普及, 社交网络成为推动移动互联网迅猛发展的主力军。互联网花了30年时间达到7.5亿用户;至2012年, 成立于2004年的Facebook只花了8年时间便达到与之不相上下的用户数[5]。社会网络的核心价值, 在于人和人的社会关系。社交网络为人们开拓了新的信息分享和交流空间, 组织管理者可根据社交网络提供的信息, 充分利用其提供的数据, 了解市场趋势, 改善传统商品, 轻松找到最佳产品, 赢得商业先机。毕竟, 与传统商品相比, 社交圈推广的产品更富有吸引力。因此, 对于管理者来说, 谁更早分析数据, 研究了解自身客户的社交网络关系, 谁就等于抢占了商战先机, 企业的绩效也会随之提高, 组织也就更具市场竞争力。

1.2 强调洞察, 增强预见性, 可提高企业决策能力

在传统的决策模式中, 由于很难获得决策所需的数据, 管理人员更倾向于依赖自己多年的经验和直觉做出重要的企业决策[6]。尽管有些管理人员在报告中也增加了数据说明, 但这些数据也仅仅是为了验证其决策的正确性。大数据时代, 数据生成迅速, 管理者可使用多重数据方法进行建模分析, 洞察数据之间的相互关系从而增强管理者的预见性, 及时为企业提供决策依据。同时, 大数据技术极大地减少了管理者搜索信息的成本, 管理者较过去更容易获得决策所需信息, 并利用数据处理技术对信息的收益进行计算[7], 管理者可依据这些信息进行商业预测, 帮助组织明确未来发展方向, 提高企业核心竞争力。

2 管理者如何建立开展有效的商业分析和预测能力

大数据时代下, 许多组织已经引入分析能力, 使组织更好地理解过去如何影响未来计划制定、塑造决策并提高组织绩效。组织也会开发类似于预测、情景预设、应急预案这些特定的应用或实践。本质上, 组织所寻求的是基于已有的最新、最相关的信息做出的合理决策。商业分析预测 (PBM) 其决策过程是一个根植于一个结构化的、持续的、数据驱动流程, 这个流程使组织能够在对如何确定决策和行动具有相当程度理解的基础上来选择进一步行动, 并且关于结果和影响具有合理的置信区间。

如今, 管理者该如何建立开展有效的商业分析和预测能力呢?

Step1:流程设计

管理者的第一步是开发一个流程, 使组织能够基于预期因果关系来预测未来结果。监控与流程管理系统是改善组织业绩的要素之一[8]。本质上, 管理者从因果关系的根本变化中区分出异常情况的能力对于贯彻有效流程是非常关键的。在流程设计过程中, 管理者要遵循相关指导原则:第一, 商业分析预测要能够合理预测未来收入, 建立在可证明的因果联系基础上而不是基于主观的猜测;第二, 管理者要将财务与非财务、内部与外部相结合地进行平衡测量;第三, 商业分析预测对决策制定者而言要相关、可靠且及时, 并融入管理流程, 驱动行为和结果。

Step2:模型开发

根据David Brooks所说:“如果你让我描述今日正在上升的理念, 我会说那就是数据主义, 我们现在有了收集大量数据的能力”[9]。庞大的数据面前, 管理者模型开发的首个步骤是确定输入和结果之间的关系。输入可以是离散事件, 如伦敦银行间拆放款利率 (LIBOR) 变化;输入也可以是结构性事件, 如企业的新厂房。通常这些输入被称为“驱动因子”, 可以被看作是未来结果的先行指标。而结果是这些事件的后果, 可在一段时间后被衡量, 它们可以被看作是滞后指标。当管理者理解和确定它的驱动因子和结果之间的关系后, 它就可以开始开发、提炼和将这些关系应用到商业分析预测中去。关键的少数驱动关系可以解释预测结果的很大一部分。

管理者在完善组织建模方法时, 可以运用一些技术优化相关判断和结果。这些技术有定量方法, 也有经验方法。表1对管理者可采用的技术方法进行了归纳总结。

Step3:数据获取

商业分析预测数据的获取在许多方面都与财务会计不同。在财务会计中, 记录财务信息主要是根据历史交易和判断, 而在商业分析预测中, 信息通常是历史数据、向前财务数据和非财务数据的混合。大数据下的财务决策是基于云计算平台, 是通过互联网、物联网、社会化网络等采集企业相关数据[12]。相应地, 管理者可以开发出对驱动因子的一系列预测, 编制出一套可能的情景。通过应用回归分析, 并且对每一个可能的结果或活动赋以一个概率, 将这些情景按照发生可能性赋予权重。在比较数据获取方法时, 考虑背景环境、商业分析预测将如何影响的关联情况以及管理层行动的后果, 是十分重要的。

对于许多组织, 数据获取相当复杂。一般情况下, 界定的驱动因子所必要的数据并非是现成的或者容易得到的。在管理者采用商业分析预测的早期阶段, 信息的交付是无效率的、不易处理或需要付出高额成本才能得到的。这时, 一个可行的选择是识别替代驱动因子, 但是为了未来能够使用, 管理者应当收集其首选的驱动因子的数据。当组织成熟起来, 它们应当使用更为自动化的工具技术, 不仅是为了获取数据, 也是为了储存和访问大批量的、能够在执行数据分析时有效结合起来的财务、非财务和营运数据。

3 商业预测对于管理者提高组织管理具有重要意义

敏锐、精准的商业预测对于组织的管理者来说是今后必备的能力之一, 它能为组织的管理带来优越性。正确、果敢、迅速的决策无疑是企业抓住机遇, 获取成功的关键, 而正确的决策和计划主要取决于科学的预测[13]。科学的商业预测可用于管理者经营管理的各个领域。

在授权上, 一旦管理者具备相当的商业预测能力, 便能将团队和员工及时配置到位, 并且理解他们与其他成员协作的方式, 管理者也能更贴近客户的运营策略。这提高了组织的响应能力, 减少了管理上的时间和精力损耗。授权的最终目标就是发掘个体和组织的潜力, 使组织成员根据商业预测做出更好的决策[14]。

在效率上, 在商业预测的基础上精心设计的绩效衡量能够用较少的投入实现聚焦与同步。合理的流程设计和支撑工具能够减少报告的繁杂性, 并且更加及时。

在执行上, 能够预测衡量才能够被管理。驱动组织通过卓越的运营贯彻其战略, 能够带来组织的成长和利润。显然, 正确的商业预测能够使得公司获得较大的回报。如果管理者能够预测到更多的相关信息使决策更快更好, 并用能够以增加洞察而不是增加负荷的方式将信息呈现出来, 他们击败竞争对手的能力就会成长。有关管理者的研究表明, 在过去的三年中, 通过商业预测来管理公司得到的回报是那些通过所谓的常识进行管理公司的2倍左右。因此商业预测对于管理者执行力的回报起着重要作用。

商业预测 篇3

商业智能可以显着提升企业效率，改善商业表现，目前已经被多个行业的企业所采用，尤其在电信、金融和电子政务等数据信息数量庞大的领域都受到了极大的重视，除此以外，能源、物流、烟草、制造业等也是商业智能大展拳脚的平台。在大数据指数增长且日趋成为企业战略资产的背景下，人力成本的持续提升和环保压力的加大促使企业增加对BI的需求。ERP等管理软件的普及和CIO对BI的认可，为BI的发展提供了所需的数据积累和客户基础，而近期国家针对BI的政策扶持也已初现端倪，预计物联网“十二五”规划和智慧城市建设将为BI发展带来全新契机，可以预见，“十二五”时期，BI市场的潜在市场空间将超过300亿。

近几年来，国内BI市场的竞争激烈程度日益攀升，不论是专业的BI产品供应商，还是其他管理软件商，都已采取了频繁快速的举措，甚至是国际供应商都已进入中国市场，多方竞争力已经开始着力抢夺国内市场。目前，国内BI市场上拥有优势地位的除了IBM、Oracle、微软、SAP等传统国际先进企业外，还有用友、东方国信、浪潮、金蝶、亚信创联等一批国内优秀企业，他们已经打破了国际企业垄断中国市场的局面，且都正以较快的速度成长。

本报告利用前瞻资讯长期对IT行业跟踪搜集的市场数据，全面而准确地为您从行业的整体高度来架构分析体系。报告从当前商业智能行业的发展环境出发，详尽的分析了中国商业智能行业当前的市场发展状况、市场需求和市场竞争格局情况，并剖析了市场龙头企业的发展战略以及外资企业在华投资情况，让您全面、准确地了解和把握整个商业智能行业的市场走向和发展趋势的同时，掌控行业未来的发展模式，更好地做好未来的发展定位，同时作出积极的应对，构建和提升自身的竞争力，从而在市场中立于不败之地！

本报告最大的特点就是前瞻性和适时性。报告通过对大量一手市场调研数据的前瞻性分析，深入而客观的剖析中国当前商业智能的总体市场容量、市场规模、竞争格局和市场需求特征，并根据商业智能的发展轨迹对商业智能行业未来的发展趋势、发展模式做出审慎分析与预测。是商业智能企业、科研单位、销售企业、投资企业准确了解商业智能行业当前最新发展动态，把握市场机会，做出正确经营决策和明确企业发展方向不可多得的精品。

商业预测 篇4

安全性、流动性和营利性作为商业银行的经营目标, 常常影响着银行的发展。银行的流动性不足将会引发财务危机, 严重的可能导致银行破产;而流动性过剩会影响银行的经营绩效, 制约银行的赢利水平。因此, 流动性风险管理在商业银行的经营管理中一直占有十分重要的地位。中国的流动性长期以来一直处于过剩的状态。然而, 随着银行业的不断对外开放、资本市场的迅速发展, 触发流动性风险的可能性不断增大。因此, 我国商业银行应该充分重视流动性水平, 全面管理流动性风险。

2 模型的引入

2.1 BP神经网络

BP神经网络采用Sigmoid激活函数 (S函数) 的三层前馈神经网络能够以任意精度模拟复杂的非线性关系, 学习和存储大量的输入—输出模式映射关系, 而无须事前揭示描述这种映射关系的数学方程。BP神经网络模型拓扑结构包括输入层 (Input Layer, IL) 、隐层 (Hidden Layer, HL) 和输出层 (Output Layer, OL) 。

对于神经网络的各个节点, 有:

undefined (1)

undefined (2)

其中, i, j为索引, x为神经元输入, ω为连接权值, θ为阈值, μ为基函数输出, y为激活函数输出。

2.2 PSO算法

虽然BP算法得到了广泛的应用, 但它也存在不足, 如训练时间较长、易陷入局部极小值、过程不稳定等。为改善BP算法的不足, 本文将采用PSO和BP相结合的算法对前馈神经网络进行训练。PSO最早由Kennedy和Eberhart于1995年提出。该算法源于对鸟群捕食行为的研究, 通过鸟群之间的集体信息共享使得群体运动从无序到有序, 从而获得最优解。

标准PSO算法中, 粒子在搜索空间的速度和位置根据如下公式确定:

vi (k+1) =ωi (k) +c1{r1i[pi-xi (k) ]}+c2{r2i[G-xi (k) ]} (3)

xi (k+1) =xi (k) +vi (k+1) (4)

其中, i是粒子索引, k是离散时间索引, vi (k) 是第i个粒子的速度, xi (k) 是第i个粒子的位置, pi是第i个粒子的当前局部最优位置, G是整个粒子群的当前全局最优位置, r1i、r2i是施加于第i个粒子的在区间[0, 1]上的随机数, w是惯性权重, c1、c2是加速常数。

在PSO中, 惯性权重w对算法的收敛性具有重要的作用, 较大的w有利于全局搜索, 收敛速度快, 且搜索时易跳出局部最优值, 但不易得到精确的解;而较小的w有利于局部搜索, 且可以提高搜索精度, 但收敛速度慢且有时会陷入局部最优值。为此, 线性递减权策略让w按式 (5) 的形式线性下降来实现早期的全局搜索和后期的局部搜索之间的平衡。

undefined (5)

其中, wmax和wmin分别是惯性权重的最大值和最小值, k和iter分别是当前迭代次数和最大迭代次数。

基于上述研究, 本文将建立一个基于PSO和BP神经网络相结合的预测模型, 对商业银行的流动性变化趋势进行微观分析和预测, 相对于BP神经网络算法, PSO-BP网络模型在运算速度和结果上都有了较好的提高与改进。

3 流动性风险的模型预测

3.1 指标的选取

2006年1月, 中国银监会颁布的《商业银行风险监管核心指标 (实行) 》规定:商业银行流动性风险的衡量指标主要包括流动性比例、核心负债比例和流动性缺口率。除上述指标外, 还有其他一些重要指标可以衡量流动性风险。结合浦发银行资产负债结构特点, 现将以下五项指标作为银行流动性水平的度量指标。

(1) 存贷款比例 (贷款/存款) :

按本币和外币分别计算, 不应高于75%, 主要度量商业银行流动性的总体水平。

(2) 资产流动性比例 (流动性资产/流动性负债) :

按本币和外币分别计算, 不应低于25%, 主要度量商业银行筹措到净流动性资产来源的能力。

(3) 现金资产比例 (现金资产/总资产) :

一般在20%以上的水平较好, 主要度量商业银行资产流动性水平。

(4) 核心负债比例 (核心负债/总负债) :

不应低于60%, 主要度量银行负债的流动性水平。

(5) 超额储备比例 (超额储备金/存款总额) :

主要度量银行的支付能力状况。

3.2 样本数据预处理

本文选取国有商业银行中上市较早的浦东发展银行作为研究对象, 选取该银行1996—2009年的季度指标数据作为研究样本, 将1996年第一季度至2005第四季度的数据作为网络模型的训练样本。 (注:对于个别缺失数据, 本文采用差值的方法获取。)

为了加快人工神经网络的收敛速度和增加模型的稳定性, 消除异常值对预测结果的影响, 在训练和预测之前, 对数据进行归一化处理。现采用式 (6) 对数据进行处理。

undefined (6)

其中, i为索引, x为原始数据, x′为处理后数据, Xmax、Xmin分别为原始数据中最大值和最小值。

3.3 预测模型

将粒子群优化算法应用到训练神经网络模型中, 必须为PSO提供合适的适应度函数, 现建立训练模型如下:

其中, m、n、j为索引, M为模型训练样本规模, N为输出层神经元数, J为种群集合, ymn为训练实际输出, tmn为训练样本实际值, f为PSO适应度函数。模型中种群个体为神经网络权值和阈值所合成的解。

PSO-BP的核心思想是引入PSO与BP算法共同训练权值和阈值。算法描述如下:

Step1:初始化粒子群, 对每个粒子确定其初始位置和初始速度;

Step2:根据式 (7) 计算粒子群中每个粒子的适应度;

Step3:确定每个粒子的初始自身最好位置Pbest, 即每个粒子本身的初始位置, 从中选择全局最优位置Gbest;

Step4:根据式 (3) 和 (4) 更新所有粒子的速度和位置;

Step5:根据式 (7) 计算粒子群中每个粒子的适应度, 与该粒子的Pbest比较, 若更优, 则将更新后的位置作为新的Pbest;

Step6:对于每个粒子, 将其Pbest与Gbest进行比较, 若优于Gbest, 则替换之;

Step7:将Gbest作为BP算法初始参数对前馈网络进行训练, 得到Bpbest;

Step8:根据式 (7) 计算Bpbest的适应度, 若Bpbest优于Gbest, 则替换之;

Step9:终止条件成立, 则停止训练;否则, 转到Step4。

3.4 预测结果

模型训练结束以后, 将该银行2008年第四季度至2009年第三季度的样本统计值作为模型的输入值, 得到2009年第四季度的指标输出值, 即流动性预测的结果, 如下表所示。通过比较两种预测方法所得结果的误差值, 可以发现PSO-BP预测的精确度优于BP神经网络算法。

浦发银行2009年第四季度流动性指标预测及误差表

4 结果分析

(1) 通过分析近四年浦发银行各流动性指标的季度数据, 可以发现, 金融危机前后该银行流动性水平总体表现较好, 存贷款比例值 (按本币计算) 基本保持在临界值75%左右。2006年, 流动性略有上升的趋势。自2007年金融危机爆发以后, 流动性开始出现波动, 甚至出现80%的高峰值, 在此期间, 出现短暂性的流动性短缺, 银行用稳定的存款来发放贷款的能力不足, 有可能引发流动性危机;上表中, 该指标的PSO-BP预测结果为53.8028%, 远远低于75%的水平, 流动性处于充足状态;资产流动性比例值 (按本币计算) 显示, 该指标充分满足银监会的要求, 并且波动幅度不大。金融危机爆发期间, 流动性水平有所下降, 但总体仍处于充足状态, 银行拥有较高的资产变现能力。上表中预测结果表明银行应对流动性需求的能力较强, 短期内不会发生流动性风险;现金资产比例值总体处于较高的水平且呈现逐步上升的趋势, 说明该银行的基础头寸保持在较高的水平上, 银行的流动性风险发生的可能性不大。上表中PSO-BP预测结果为18.6906%, 流动性处于暂时短缺的状态;核心负债比例值较高, 近几年均保持在70%的水平以上, 远远高于银监会的规定, 表明该银行的负债流动性水平较高。上表中预测结果较高, 预示流动性仍保持在充足的状态;银行的超额储备比例变化较为明显, 在经历2007年年初的高峰值后, 趋于下降趋势且波动较大。2008年, 中央银行多次上调存款准备金率, 使得商业银行的超额储备率处于较低的水平, 甚至出现了负值。

(2) 通过分析可以发现, 商业银行流动性水平的发展路径并不是平稳的。影响商业银行流动性水平的因素较多, 主要包括资产负债的期限结构、市场利率、中央银行货币政策等。2006年, 资本市场不断壮大和繁荣, 吸收了一部分银行存款, 产生“金融脱媒”现象。体现在按外币计算的存贷款比例有明显的上升。2007年, 受全球金融危机的影响, 国际金融环境的日趋恶劣, 资本市场和货币市场的不稳定所引发的“多米诺骨牌效应”传递到国内的银行业。按外币计算的存贷款比例和资产负债比例在金融危机前后都表现出较大的波动性, 说明了国际金融环境对我国商业银行的流动性有重要的影响力。2008年, 为应对国际金融危机, 中央银行多次上调存款准备金率, 吸收银行业一部分流动性, 使得流动性开始出现趋紧迹象并且波动变大, 表现在超额储备比例值呈现总体下降的趋势。

综上所述, 作为国有商业银行中上市较早的浦东发展银行, 近几年, 它的流动性总体上处于较安全的水平。但是, 受国内外金融环境的影响, 银行的流动性水平出现了较明显的波动。针对上述现象, 商业银行应该建立较为全面的风险管理机制, 采用科学的流动性度量指标, 动态地衡量流动性水平。

5 结 语

本文采用粒子群神经网络算法建立一个流动性风险预测模型, 不仅能吸收BP神经网络的非线性映射能力, 同时也引入了粒子群局部和全局的搜索能力。将国有股份制银行中的浦东发展银行作为实证研究对象, 得到一个较为理想的预测结果。通过比较BP和PSO-BP的预测结果, 可以发现PSO-BP预测的精确度显著高于BP算法。该银行的流动性水平总体处于较充足的状态, 受金融危机等因素的影响, 近几年流动性水平有所波动。模型的预测结果显示, 2009年年末, 该银行的流动性水平较高, 引发危机的可能性不大。但是, 这并不能说明银行的流动性处于绝对安全的状态, 我国的商业银行应该建立全面、科学的风险管理机制, 从而更好地对流动性风险进行预测和控制。

参考文献

[1]田雨波.混合神经网络技术[M].北京:科学出版社, 2009.

[2]阎平凡, 张长水.人工神经网络与模拟进化计算[M].北京:清华大学出版社, 2006.

[3]姚李孝, 宋玲芳, 李庆宇, 等.基于模糊聚类分析与BP网络的电力系统短期负荷预测[J].电网技术, 2005, 29 (1) :20-23.

[4]Kennedy J, Eberhart R C.Particle Swarm Optimization[C].Proceedings IEEE International Conference on Neural Networks.Australia:Perth, 1995:1942-1948.

[5]李洪斌.商业银行流动性风险管理[M].1版.长沙:湖南人民出版社, 2007.

[6]王顺.金融风险管理[M].北京:中国金融出版社, 2007.

商业预测 篇5

企业进行科学的经营预测是企业做出正确决策的基础。对于未来经济活动产生的经济效益和发展趋势做出科学的判断,可以给予企业管理者和投资者及时的经济信号,可以帮助企业正确把握市场需求动态,合理开展物料采购和生产安排,提高管理效率和经营效益。人类的预测行为自古就有,早在《易经》中,就在阴阳二元论基础上对事物运行规律加以论证和描述,其对于天地万物进行性状归类,甚至精确到可以对事物的未来发展做出较为准确的预测。随着统计学、运筹学、信息论、系统论和电子计算机的应用和发展,各种预测方法也应运而生。

2 时间序列预测方法

2.1 常见预测方法

如今常见的销售预测方法主要分为定性分析和定量分析方法。定性分析预测方法有集合意见法、市场调研法、德尔菲法以及类比法,其预测结果往往具有主观性。 定量的预测方法主要通过建立预测模型,利用现有数据进行科学预测,客观准确性较高。常见的定量预测方法有:时间序列分析方法、因果分析方法等统计方法[1],随着数据挖掘技术[2]的发展,一些新的方法也应用到预测中, 如神经网络、决策树、灰色系统等。组合预测模型也是目前的一个趋势,将两个模型结合起来,可以弥补单个模型的不足。

2.2 时间序列预测法

时间序列预测法是通过编制和分析时间序列,根据时间序列所反映出来的发展过程、方向和趋势,进行类推或延伸,从而预测下一段时间或以后若干年内可以达到的水平[3]。时间序列一般可以表示为:Y=T×C×I×S。S表示为纯粹的季节因素,如气候、日历天数和节假日等;T表示与不同发展阶段相关的趋势性因素;C表示是经济变量有规律的相互影响,这种相互影响随时间的延续而有规律地发展,表现在时间序列上就是有一定规律的周期波动,称之为循环变动;I表示临时的、偶然的因素导致的非周期性的、非趋势性的随机变动。对于长期趋势的判断可以通过序时平均法、移动平均法以及数学模型模拟得出:季节性变动则可以通过按季(月)平均法,移动平均趋势法等算出季节比率。循环变动的测定方法则使用的是剩余法,通常是从时间序列中消去趋势变动、季节变动和不规律变动,所剩结果即为循环变动[4]。企业的预测周期通常是跟财务报告的发布时间相挂钩,上市公司的财务报告有季报、半年报和年报,预测周期通常为一年、半年或者一季度,而对于中小企业,由于人力、物力和财力有限,通常需要对短期的销售进行预测,以便进行物料采购、生产安排和资金配备,所以以月或者季度作为预测的周期,在销售的预测上,也主要考虑的是短期因素对于销售收入的影响。

季节变动是社会经济领域普遍存在的一种运动形式,是由于受自然因素和社会、经济条件的影响在一年之内的各月或各季之间比较有规律的变动[5]。杜勇宏、 王汝芳[6]曾经对时间序列的季节性做了一个定义:经济时间序列中的季节性是一个系统的但不必是不变的或规则的年度内的运动,它可能是由气候变动、宗教节日、商业实践及预期等多种原因所引起的以大致固定时期(12个月或四季度等)为周期的一种变动,会在所谓的季节频率附近产生谱峰,使得时间序列的自相关系数具有周期性[7]。季节性的表现形式十分多样化,比如农产品产量、经济增长、降水量、交通客流量、医院门诊数量等,都遵循一定的“规律”,为此国内外许多学者都做过相关的实证研究,而其中对于商业企业销售收入的预测可谓最多。

企业销售量在一定时期内是有规律可循。影响企业销售业绩的因素很多,如市场经济环境、产品竞争力、销售渠道、销售人员素质等。企业生命周期理论认为,一个处于成熟期的企业,企业的灵活性和可控性达到平衡,企业通常有稳定的市场份额以及相对固定的经营模式[8]。 成熟企业通常都有固定的销售渠道和销售流程,从发现销售机会、前期沟通、谈判、下订单到生产、发货最后收款,一个订单走完一个完整流程的时间也是相对固定的。此外,从组织行为学的角度来看,销售人员的行为同样存在一定的规律性,当受到目标、期望、激励以及环境等因素的影响下,在销售过程中呈现出固定的模式[9]。 这些影响销因素的规律性将最终导致在较短的一段时间内,销售收入的增长存在一定的规律。那么,我们通过一定的经验判断,结合相关的数据统计方法,就可以建立一个实用的销售预测模型。

3 数据分析

3.1 季节变动分析

单位:百万

本文以某上市公司2010-2012年的某产品的月销售量作为历史数据进行统计分析。数据如下:

为了寻找产品销售的季节性规律,我们使用的是季节按月平均法,进行季节变动的分析,计算出每个月的季节指数[10]。方法如下:

3.1.1 根据三年所有月份的销售量计算出总平均销 售水平

3.1.2 计算三年相同月份的同月平均销售水平

3.1.3 将月平均销售水平与总平均水平进行对比, 得出季节比率SI

从表3-2和图3-1中的季节比率可以发现,该公司的销售量存在明显的季节变动情况,并且以季度作为周期。每个季度的第一个月销售量最低,俗称“淡季”,而第三个月的季节比例均超过100%,明显高于第一、二个月, 为“旺季”。从全年的销售量来看,每个季度的销售量也呈现一个上升的趋势。这与上市公司的季度考核制度是相联系的。相对于一般的企业来说,上市公司有一个特点,就是每个季度要定期对外发布财务报告,也就是说公司的业绩考核通常是以季度为单位。在业绩考核的最后一个月,由于受到公司业绩考核的压力,管理层通常会采取的一些激励措施[11],迫使销售人员加快订单完成的进度,有的甚至会采用一些特殊手段将本该是下个月完成的订单转移到当月,导致单月销售量急剧增加。这种现象在很多上市公司、银行等盈利机构比较明显,如这两年屡见不鲜的银行年底高息揽储,企业亏本冲量等事件[12]。而到了下一个周期,由于本属于当月的订单被提前完成,再加上紧张的考核期结束后销售人员的调整, 导致每个周期前期的销售量都明显下降,而反映出来的季节比率也比较低。

3.2 累计月销售比率

从数据中可以得出,如果是以季度作为业绩考核的公司,简单地使用单月的销售数据进行统计建模是不准确的,因为受到考核周期的影响,导致业绩跟单个月的销售数量没有直接关系,而只跟最终的季度 销售量有 关,所以每个月份的销售量如何分配将呈现波动性和随机性[13]。所以如果要对销售规律进行总结分析,可以将每个考核周期作为一个 整体进行 分析。为此,我们引入累计月销售比率YTD%,也就是累计销售量占全年销售量的比率。

使用累计月销售比率YTD%的优点:

3.2.1可以消除非考核月份销售的随机性,更好地进行数据拟合。

3.2.2相对于累计月销售量YTD,累计月销售比率YTD%可以消除长期趋势的影响。因为YTD%是累计月销售量占全年销售量的比例,该比例不受长期趋势对于销售量增长的影响,而反映的是全年销售中每个月的销售进度。

4 销售预测模型

4.1模型的提出

为了简化预测模型,我们做出如下假设:

(1)企业或者产品正处于成熟期

(2)中等或中等以上规模的企业

应用样本数据构建回归方程,方程式为:

其中YTDi表示累计月销售量,也就是截至第i月份累计完成的销售量之和,YTD%i表示累计月销售比例,Xi表示月份值,Yt表示全年销售量。

该预测模型共由公式(1)和公式(2)构成,其中公式 (1)主要是拟合累计月销售比例YTD%随着月份的增长关系,为此我们可以将历史数据进行回归分析计算出a0和a1,由此得出YTD%和月份X之间的联系。公式(2)是基于公式(1)的基础上,得出累计月销售比例预测值,然后在将当期的累计月销售量实际值,除以预测的比例,就可以得出当期全年的销售量预测值。

4.2 回归分析

现将该公司2010-2012年三年的累计月销售量导入公式(1)进行回归分析得出:

由回归结果可以看出,R2为0.9899,说明拟合程度很高,回归方程解释能力强。回归系数T检验的t统计量观察值为57.75,T检验的概率P值远低于0.05,所以认为回归系数有显著意义,累计月销售比例和月份值高度相关。

4.3 残差分析法

下面我们用残差分析法[14],将Excel输出的YTD%i预测值和ui画出残差平方对预测值的散点图。由图4-2可以看出,预测值和残差平方没有特定的函数关系。此外, 我们画出标准化残差的直方图4-3,可以判断标准化残差呈正态分布,因此我们没有找到模型假设不合理的证据。最终求得公式(11):YYTTDD%%ii==--00..00779922++00..00885544XXii。

4.4 数据检验

根据对于公式(1)的回归结果,我们可以预测出12个月的累计销售比例,在将此数据导入公式(2),求得预测年的全年销售量。下面我们利用该公司2013年同样产品的累计月销售数据进行验证,检验模型的准确性:

4.4.1 根据公式(1)计算出2013年12个月的累计月 销售比例预测值YTD%i

4.4.2 将 2013 年 12 个月的实际累计月销售量带入 公式(2),计算出2013全年销售量的预测值

4.4.3最后将全年预测销售量除以2013全年实际销售量811百万,得出销售预测的准确性,结果如表4-1所示。

由表4-1看出,前三个月的预测值和实际值相差较大,而第四个月开始,预测准确性越来越高,特别是到了第11个月,预测几乎跟实际值相等。该现象可以由现实的经营经验解释。在年初,由于产品、市场、内部管理等各方面的因素较不明朗,所以预测准确性不高,而随着时间的推移,销售趋于稳定,那么用已经实现的销售业绩预测未来销售额也更加准确。

5 结论

本文通过模型的构建,可以利用现有的累计月销售量数据预测出全年销售量,对于企业进行年中预测有很大的帮助。通过把握全年销售预期,当预期销售量和全年目标相差较大时及时调整策略,进行实时监督。此外, 该种预测方法还可以进行延伸应用,如对于上市公司的季度销售预测,可以通过累计月销售量预测,也可以通过每周的销售数据进行预测。但是本模型的假设规定了预测企业必须是中等规模或中等以上企业,企业或者产品正处于成熟期,这是基于样本量的假设,也就是说样本要基于一定数量才能存在某种规律,而对于处于转型期的企业和产品,又或者是销售量绝对值较小的产品,由于受到外界因素的影响较大,将不能完全使用该种预测方法, 而应该将影响因素单独考虑,为此,我们将会今后的研究中,不断改进现有模型,提高预测准确性。

摘要：预测是企业管理的一个重要职能,在如今激烈的商业竞争下,如何根据现有的数据预测未来并制定适宜的策略是企业成败的关键。本文在研究商业企业销售量时间序列的基础上,结合季节变动分析方法,建立商业企业年销售量预测模型,并在此基础上对商业企业实际销售预测给出的指导性建议。