基于SARMA需求模式的牛鞭效应分析

在自回归移动平均(ARMA)模型的基础上,建立需求过程为季节性自回归移动平均(SARMA)的时间序列,零售商采用最小均方差(MMSE)预测技术预测市场需求,库存采用补充订货至目标库存(order-up-to)策略的简单两级季节性供应链牛鞭效应量化模型,并对模型牛鞭效应的大小及其影响因素进行理论分析和实例验证,不仅刻画出各种情形下牛鞭效应存在的辨别条件和属性,而且实证结果表明煤炭供应链采用SARMA模型度量牛鞭效应优于ARMA模型.     

基于产品需求替代的两级供应链牛鞭效应分析

考虑两种产品需求替代下的自回归移动平均时间序列,零售商采用最小均方差技术预测市场需求,以订货点法确定订货量的两级供应链牛鞭效应量化模型,并对该模型牛鞭效应的大小及其影响因素进行理论分析和算例验证,研究表明:1)需求替代情形下牛鞭效应的表达式对有无需求替代的情况都适用;2)替代系数对被替代产品的牛鞭效应无影响,对替代产品的牛鞭效应有影响,并且替代系数同替代产品的牛鞭效应变化方向一致;3)需求替代情形下缩短提前期并不一定能减少替代和被替代产品的牛鞭效应.     

季节性供应链零售商补货策略研究——基于牛鞭效应视角

通过建立含有季节性自回归移动平均需求过程的供应链,零售商采用最小均方差预测技术预测提前期需求,分析(R,D)、(R,S)、(R,βS)、(R,γO)和(R,γO,βS)五种补货策略下的牛鞭效应.研究结果表明:(R,γO)补货策略是弱化牛鞭效应的最优补货策略,然而(R,γO)补货策略时出现了反牛鞭效应,无法保证供应链的安全供给.实践中当库存量调节系数和订货量调节系数较大时,(R,βS)补货策略能有效弱化牛鞭效应,当库存量调节系数和订货量调节系数较小时,(R,γO,βS)补货策略能有效弱化牛鞭效应;对于(R,βS)和(R,γO,βS)补货策略,牛鞭效应随着库存平滑系数的增大而增大;对于(R,γO)和(R,γO,βS)补货策略,牛鞭效应随着订货平滑系数的增大而增大;对于(R,S)、(R,βS)和(R,γO,βS)补货策略,牛鞭效应随着订货提前期的增大而增大;对于(R,γO)和(R,γO,βS)补货策略,牛鞭效应随着时刻t的增大而增大,但时刻t增大到一定程度时,牛鞭效应值基本不变.     

ARMA(1,1)需求条件下供应链需求提前承诺的影响效果分析

为了分析供应链需求提前承诺的影响效果,考虑供应链所面临的顾客需求满足ARMA（1,1）过程。首先从理论上建立正常顾客需求与顾客需求提前承诺时零售商订单量波动程度和平均库存的定量描述模型,通过两种情形下的比较分析,得出在顾客需求自回归系数大于零时,顾客需求提前承诺将减小牛鞭效应和平均库存水平;同时得出在顾客需求提前承诺时,如果顾客需求自回归系数大于零,顾客提前承诺的需求比例越高,则牛鞭效应和平均库存水平越低;顾客需求提前承诺的时间跨度越长,则牛鞭效应和平均库存水平也越低。反之亦然。其次运用仿真方法分析了顾客需求提前承诺对零售商平均库存成本的影响,得出在顾客需求自回归系数大于零时,顾客需求提前承诺将有效降低零售商的平均库存成本。     

历史订单信息对牛鞭效应的影响分析

客户需求信息的失真是导致牛鞭效应存在的原因,基于零售商的历史订单数据对其需求进行预测可以部分消除牛鞭效应。论文基于零售商-分销商二级供应链视角,分析了在零售商的需求为线性自回归模式的二级供应链中,分销商利用零售商历史订单数据和现有订单数据进行需求预测时自身库存成本的变更以及整个供应链的牛鞭效应的缓解程度。结果表明:分销商利用历史订单数据进行库存的决策可以显著地降低自己的平均库存和需求的波动,这种降低程度在零售商的订货提前期较大的情况下比较明显,但是零售商的需求预测相关系数对它影响不大。     

供应链交互作用对牛鞭效应的影响分析

考虑两平行供应链系统,建立了需求依赖于两种产品价格的需求函数模型,分析了平行供应链交互作用对牛鞭效应的影响。研究表明:(1)供应链交互作用可能增加或减弱牛鞭效应。(2)对于具有产品可替代性的两竞争型供应链系统,若产品价格交互敏感性不强,则较大协方差的引入可以抑制牛鞭效应。(3)对于具有产品互补性的两合作型供应链系统,若产品价格交互敏感性较强,则较小协方差的引入可以抑制牛鞭效应。     

基于SSA的金融时间序列自适应分解预测

提出了分解预测的思想,通过SSA将序列分解成低频与高频两部分,分别采用最小均方(LMS)自适应自回归移动平均(ARIMA)与LMS自适应自回归(AR)模型进行预测,然后将两者叠加便可得原始序列预测值.同时,为了更好地捕捉序列局部突变,缩减预测延迟,提高预测精度,对EaLMS算法(基于误差调整的LMS算法)参数进行修正并...     

区块链技术影响下的供应链系统动态响应性研究

为解决供应链系统中信息时滞和不对称问题,加快推动区块链技术在供应链管理中的创新发展,本文运用控制理论构建由分销商和零售商组成的二级供应链系统控制模型,引入区块链技术影响下的信息校正因子,推导系统的传递函数,通过MATLAB仿真不同需求信号下的订单可变性和库存波动。仿真结果表明:(1)区块链技术的应用提高了库存系统的精准性和稳定性;(2)高库存可变性伴随着高订单可变性;(3)指数平滑系数和区块链技术影响下的信息校正因子有效抑制供应链中的牛鞭效应;(4)信息延迟时间越长,区块链技术影响下的信息校正因子对控制系统的抑制作用越显著。本研究量化了区块链技术对供应链中牛鞭效应的影响,提高了供应链系统的精准性和稳定性,丰富了区块链技术在供应链管理中的应用,为企业管理者提供新的研究思路。     

订货批量对牛鞭效应的影响分析

对于一个采用连续检查(s,S)订货策略的两级供应链,本文运用Markov链理论,通过对正则平稳Markov链行为特征的分析发现,即使不考虑需求预测方法,供货短缺,提前期和价格波动等因素,仅仅零售商的订货批量就能够产生牛鞭效应.研究结果表明,在需求分布和订货批量的变化范围满足一些条件时,减小订货批量有助于减弱牛鞭效应,从而提高供应链的运作效率.     

大规模风电并网的双供应源电力供应链牛鞭效应分析

中国当前的电力供应链除具有部分垄断特征外,还由于大规模风电并网使得电力供给也出现随机性,它与随机需求一起影响了供应链信息的准确传递,在电力供应链产生了牛鞭效应,但对这类问题的研究极少。本文在分析中国电力供应链特点的基础上,构建了由煤炭供应企业、发电厂(火力发电和风力发电)和用户组成的多级电力供应链模型,揭示了牛鞭效应在单/双供应源两种供应链类型下的变化。研究结果表明,大规模风电并网形成的双供应源电力供应链牛鞭效应较大且波动剧烈,尤其当下游用户需求较平稳时,供应链会出现牛鞭效应与反牛鞭效应共存现象,而预测技术的选择、风电场合理规划等有助于抑制牛鞭效应,保证电力安全并减小资源浪费。     

时变自回归模型系数的估计及预测

本文对一般时变自回归模型(TVAR)的时变系数提出一种估计方法,即建立一个关于时变系数的向量自回归时间序列模型,利用最小二乘方法计算其系数矩阵,在此基础上预测时变系数,从而得到时变自回归序列的点预测,另外给出了点预测和区间预测的方法.     

基于模糊时间序列模型的CPI预测方法研究

构建模糊AR(p)时间序列模型,对CPI进行了预测,通过实际数据模拟发现,与传统的ARIMA模型相比,模糊AR(p)时间序列模型预测的效果更好.     

固定效应面板数据部分线性模型的加权截面LSDV估计(英文)

本文考虑误差为自回归过程的固定效应面板数据部分线性回归模型的估计.对于固定效应短时间序列面板数据,通常使用的自回归误差结构拟合方法不能得到一个一致的自回归系数估计量.因此本文提出一个替代估计并证明所提出的自回归系数估计是一致的,且该方法在任何阶的自回归误差下都是可行的.进一步,通过结合B样条近似,截面最小二乘虚拟变量(LSDV)技术和自回归误差结构的一致估计,本文使用加权截面LSDV估计参数部分和加权B样条(BS)估计非参数部分,所得到的加权截面LSDV估计量被证明是渐近正态的,且比可忽略误差的自回归结构模型更渐近有效.另外,加权BS估计量被推导出具有渐近偏差和渐近正态性.模拟研究和实际例子相应地说明了所估计程序的有限样本性.     

需求拉动型供应链突发风险传递模型

研究突发事件风险在需求拉动型供应链中传递的效应和规律。以博弈论思想为指导,分析了突发事件风险在需求拉动型供应链中传递的过程,建立了相应的风险传递模型,计算了供应链双方利润的需求风险弹性系数。研究表明:供应链双方利润与市场容量呈正相关,与价格敏感系数呈负相关;突发事件引起的市场容量变化对供应链双方利润的影响要远大于价格弹性系数变化对供应链双方利润的影响;无论供应链成本如何变化,供应链各方利润对需求总量和需求倾向的各风险弹性系数恒大于1,说明下游需求的小幅变动可能引起上游利润的大幅变动,证明了牛鞭效应的存在。     

基于变量选择的混合时空地理加权回归参数估计

混合时空地理加权回归模型作为一种有效处理空间数据全局平稳和局部非平稳的分析方法得到了广泛的应用.但其参数估计方法中假定固定系数变量已知且不存在时空效应,这一较强的前提使回归系数的估计值变得极不稳定.为探究当固定系数变量存在时空效应时的参数估计方法,本文提出一种变量选择(Variable Selection)方法来剔除指标间的交互效应,并给出相应的算法过程.通过乌鲁木齐市商品住宅真实价格数据对不同估计方法进行对比验证,结果表明,利用变量选择方法后得到的MGTWR模型性能和拟合效果得到提升,固定回归系数的估计更加稳定,原有参数估计方法得到改善.     

ARMA（1,1）需求下的信息延迟对供应链最优决策的影响

在假定顾客需求满足ARMA（1,1）过程的前提下,考虑了由一个零售商和一个供应商所组成的两级供应链系统最优订购决策问题.分别建立了需求信息不延迟与延迟这两种情形下零售商和供应商的最优订购决策模型,通过比较得出：当需求呈正相关时,需求信息延迟不仅可以减小牛鞭效应,而且可以降低供应链系统的平均总成本.     

用自回归模型预测中国股市未来现金股利水平

对中国股市1996年以后所发放的现金股利的分布规律进行了研究,发现中国股市现金股利增量时间序列近似符合平稳过程。在此基础上探讨了利用线性模型技术的自回归(AR)模型对未来股利水平进行预测的一些技术问题,然后运用蒙特卡罗技术对现金股利增量进行了模拟试验,产生了足够多的数据并得出了拟合预报方程。最后对未来四十年中国股市现金股利的发放水平进行了预测。     

随机系数型自回归过程的分类参考特征提取

对自回归过程的分类问题,较好的方法是:提取过程的自回归系数或倒谱系数(定义为复倒谱函数的取样值)为特征矢量,然后利用距离比较法来判定待检样本序列是否与参考特征所代表的序列出自同一类别。在这类问题中,以往所用的参考特征无一例外地将所考虑的自回归过程假定为定常型,即真实的自回归系数矢量(或等价地倒谱系数矢量)和模型残差方差为常数,这样就可用以下方式来提取分类所需的参考特征:     

烟台地区降水量的AR IMA随机模型研究

采用自回归求积移动平均法(AR IM A),对烟台地区历年来的降水量动态数据进行了分析.结果显示,AR IM A(3,1,2)模型提供了较准确的预测效果,相对误差变化在0.21%~5.75%,可以用于未来的预测,并为烟台市降水量的预测提供了可靠依据.     

右删失数据下的时间序列数据分析

当平稳时间序列{Xn}被另外的平稳序列{Yn}删失后,我们研究{Xn}的协方差,相关系数的估计问题．特别当{Xn}是AR(p)序列时,我们研究AR(p)的参数估计和一步预测问题．给出的估计量是强相合的．计算机模拟结果说明所提供的方法是适用的．