摘 要

近几年，我国物流业了迅速发展，逐渐成为第三产业发展中的新兴力量。但目前业内竞争激烈。专注研究第三方物流企业的主要业务，即对物流公司的货运量进行分析及预测有利于提高物流企业的经营决策科学化水平。目前，对货运量的预测方法有很多种，多以定性衡量为主，德尔菲法、一般预测法、市场调研、专家调查法。定量衡量较少，例如时间序列分析法、季节性预测、因果性分析等分析方法。

时间序列分析理论（Time Series Analysis Theory）即通过将不同的时期的物流货运量数据根据不同的应用背景找出货运量变动过程中所存在的统计规律性。其主要目的就是理解考虑的动态系统，预测将来的事件，通过干预来控制将来的事件。本篇论文在日益激烈的市场竞争为背景下，通过分析两家公司即中国邮政速递物流有限公司以及顺丰速运2013-2017年各业务货运量应用时间序列分析法通过数据的平滑处理、白噪声检验、模型以及数据的有效性检验最终的得出分析模型，并对两家公司的业务量作出预测，发现两个公司核心业务，并针对预测结果进行模型拟合。本文侧重于对平稳时间序列模型实例进行分析。

关键词：物流业，货运量，时间序列分析理论，预测，中国邮政速递物流 ，顺丰速运

Abstract

In recent years, China's logistics industry has developed rapidly, becoming the backbone of the development of the third industry. But the competition is fierce at the moment. Focusing on the main business of the third party logistics enterprises, that is, the analysis and prediction of the freight volume of the logistics companies is beneficial to the improvement of the scientific level of the management and decision-making of the logistics enterprises. At present, there are many kinds of forecasting methods for freight volume, which are mainly qualitative measurement, such as regression analysis, time series analysis, decision analysis, optimization analysis, input-output analysis and so on. There are few quantitative measures, such as inductive analysis, deductive analysis, comparative analysis, structural analysis and so on.

Time Series Analysis Theory (time series analysis theory) is to find the statistical regularity in the process of change of freight volume by different application backgrounds of different periods of logistics freight volume data. Its main purpose is to understand the dynamic system considered, predict future events, and control future events through intervention. The purpose of this paper is to predict and analyze the volume of freight transport of China Postal Express Logistics Co., Ltd. and SF EXPRESS for 2013-2017 years by time series analysis, and find the core business of two companies by time series analysis, and to make an optimization plan for the company in inventory management and transportation management according to the analysis conclusion.

Keywords: logistics industry, freight volume, time series analysis theory, prediction, China Postal Express Logistics Co., Ltd. SF EXPRES

目 录

摘 要 I

Abstract II

目 录 III

第1章 绪论 1

1.1 课题来源 1

1.2 课题研究背景 1

1.3 课题研究目的 2

1.4 课题研究意义 2

第2章时间序列分析理论 3

2.1 时间序列分析理论的发展与现状 3

2.2 时间序列分析理论在国外的应用 4

2.3 时间序列分析理论国内的应用 4

第3章现代物流管理分析 5

3.1 现代物流管理状况 5

3.2 现代物流管理模式 6

3.3 现代物流管理趋势 7

3.4 运输需求与物流运输需求区别 7

3.5 货运量预测方法的介绍和简要比较 8

第4章速递业务运营状况 9

4.1 速物和顺丰公司的速递业务的基本状况 9

4.2 速递分项业运量状况 12

4.3 时间序列理论参数设计与建立 14

4.4 应用时间序列理论对公司的预测分析 16

第5章研究结论与不足 36

5.1 研究结论 36

5.2 研究经济性环保性分析 38

5.3 研究不足 38

参考文献 38

致 谢 40

第1章 绪论

课题来源

在这个信息化，数据化的时代，数据挖掘已然成为了热门话题。如果没有数理统计学的帮助就无法获取数据之间的联系，那么数据就丧失了价值。时间序列分析理论（Time Series Analysis Theory）就作为一门数理统计学分析理论它可以分析和整合看似无序的数据,挖掘其内在规律并进行分析。时间序列即将一连串随时间变化的现象依照时间间隔的顺序记录下来的一系列有序数据。时间序列分析理论就是要分析该序列所包含的信息，通过估算，差分等手段弄清这些数据在长期变动下的规律以达到理解考虑的动态系统，预测短期未来该系统的运作情况的目的。同时根据预测结果人们就可以对该系统就行调整，改进来提高经营决策水平。时间序列分析理论在物流行业的应用已经非常成熟，主要包括对不同时期货运量的预测分析、对牛鞭效应的研究以及降低牛鞭效应影响的对策研究等。本课题即通过时间序列分析法理论以中国邮政速递物流以及顺丰速运近5年货运量的预测为例，分别从其各个业务板块进行分析，预测，应用时间序列分析方法通过参数的处理，建模，应用ARIMA模型进行预测，最终得出结论，并对其业务增长进行分析。

课题研究背景

随着全球一体化进程的加快以及物料资源流动的速度加快，物流企业正面临越来越大的挑战。具体表现为：1.每日处理的货量增多。据统计，全国货运量从2007年到2017年增长约了74亿吨。这庞大的增量意味着全国经济的飞速增长，但同时也对物流企业的处理能力提出了更高的要求。2.最终消费者对企业的按时交货率以及货物的质量要求越来越高。3.日益激烈的产品价格和服务竞争。“2012年8月14日上午，京东商城CEO刘强东通过微博宣布，京东商城所有大家电将在未来三年内保持零毛利，并“保证比国美、苏宁连锁店便宜至少10%以上”^[5]。由此揭开了价格战的序幕。因此学者指出未来的竞争不仅仅局限于企业与企业之间，而是在供应链与供应链之间。有效的供应链管理不仅能够使企业获得稳定持久的竞争优势，同时也有利于提高供应链的整体竞争力，促进相关产业的发展^[1]。

供应链系统是由原材料供应商、制造商、分销商、零售商和最终用户组成的功能网络系统。供应链管理的管理理念是从消费者和企业间合作的角度来实现供应链整体优化的目标。供应链系统集成物流、信息流和资本流，它是经济系统的重要组成部分。

马士华认为供应链就是以最小的成本，以最高效率，以合理的价格把货物从原料采购最终安全、及时、准确地送到消费者手中。供应链作为整个经济系统中的最后一个环节，不仅连接着原材料加工到消费者的物料链，而且可通过有效的供应链运作管理实现资源分配、产品生产以及产品分销、消费各环节上实现价值增值，因此供应链系统尤为重要[1]。但是随着全球一体化进程以及市场全球化的趋势，供应链系统变得更加复杂，更加多变，传统物流管理手段已完全不能适应快节奏的市场需求。市场需求的灵活性和多样性对供应链企业提出了更高的要求，使得企业必须跟随市场变动对生产经营做出实时调整。

课题研究目的

众所周知在实施了供应链管理以后，企业的竞争力，绩效都能得到长足的提高，然而想要进行有效的供应链管理必须处理好两个问题：

首先供应链系统作为一个功能网络系统会受到各个网络节点企业的制约和影响。每个企业都有不同的管理模式和运作流程，如何将各个企业的资源有效的整个和利用成为了最为关键的问题。

其次供应链系统还很大程度受到市场环境的影响，供应链管理的成败很大程度上取决于市场信息的获取和企业间信息传递的准确性和及时性。目前,供应链管理有5个层次:库存管理、物流系统规划、信息共享、战略伙伴关系管理和绩效管理^[3]。作为供应链管理中的核心，库存管理将传统的企业库存管理延伸到整个供应链系统中。通过对所有节点企业的库存进行控制、协调来满足市场需求，将管理范围扩大，面向市场对整个供应链企业库存做出及时调整从而达到降低企业库存压力，降低库存成本，实现供应链整体优化的目标。如果能解决这两点之间的综合权衡,可以降低库存成本,提高市场反应能力。本课题的目标是从第三方物流企业角度，对其货运量做出预测分析，以中国邮政速递物流速递业务以及顺丰速运的货运量预测为例，应用时间序列ARMA模型对两个企业的未来每个业务板块货运量做出预测分析。

课题研究意义

随着经济的全球化进程不断地推进，全球资源整合配置的速度加快，供应链企业正面临越来越大的挑战。而与此同时科学技术的发展又给供应链企业带来了福音。例电子数据交换技术(EDI)、地理信息系统(GIS)、如射频技术(RF)、以及全球卫星定位系统（GPS）的应用有助于物流企业大大提高其效率和准确性。但供应链管理始终应该与市场接轨，要想实现供应链的整体优化，使成本降到最低，就要对瞬息万变的市场进行有效预测。目前，对市场需求的预测方法有很多种，多以定性衡量为主，例如回归分析、决策分析、优化分析、投入产出分析等方法。定量衡量较少，例如归纳分析法、时间序列分析法、结构分析法 等分析方法^[2]。而时间序列分析法是一种比较可靠地短期定量预测法，适合去预测短期市场变动，为供应链系统做好应对准备。

时间序列分析法在物流研究应用中有着重要的意义。理论意义：时间序列分析法可将动态的，非线性的数字整合并拟合出近似回归曲线，可借助该曲线实现短期较为准确的预测。时间序列分析的目的之一是预测，即利用序列之间的相关性，通过序列的历史观测值对序列的未来发展趋势做出估计。现实意义：时间序列分析方法应用在物流研究应用的重要的价值在于它不仅可以比较企业货运量的发展趋势,确定动态变量之间的因果关系,而且可以实现对第三方物流库存和运输的预测和控制^[4]。它既是一种研究思路,又是一种新的数据分析方法。从统计的角度来看,时间序列的观测样本可以看作是随机过程的样本轨道。然而,现实生活中有许多随机过程可以得到相同的观测序列。因此时间序列分析法理论的意义就是通过给随机过程加上相应的限制条件，并在限定的条件下选定最适合分析系统的数学模型来对观测系统进行预测并干预其发展。

第2章时间序列分析理论

时间序列分析理论的发展与现状

目前,国内外有关时间序列分析理论的研究非常多。早在7000年前,古埃及人就记录了Nile的波动情况,并通过发现法来促进农业的快速发展。早期的时间序列预测基本用于农业和自然科学的研究。由于科学技术的不发达,人们对于重要自然规律的时序研究主要依靠简单的绘图或者直观观测。早起时序研究的其特点是:操作简单、直观、主观。并且预测粗糙,不准确。

后来,由于数理统计学、概率论的发展,以及科学技术的进步,使得人们在研究时序问题是不再局限于表面现象的探究而是深入到规律内在联系的研究。

现代时间序列分析理论起源于1927英国统计学家G.U.ULE提出的AR模型和英国统计学家G.T.Walk在1931提出了MA模型和ARMA模型,这构成了时间序列分析的基础。ARIMA模型(BOX詹金斯)主要应用于具有单变量和相同方差的线性模型。ARCH模型主要应用于异方差性的情形。ARCH模型在近十几年得到了极大的发展已被广泛应用于验证经融理论中的规律描述物流市场以及金融市场的预测和决策。1969,贝茨。J. M和Granger。C. W first系统地研究了组合预测方法。在1976,Box和Jurkin建立了ARMA自回归模型和移动平均模型(也称为Box Jurkin模型)。1968,美国学者利特曼(1986)是第一个使用的。贝叶斯理论进行时间序列理论分析,并且建立贝叶斯向量自回归模型[2]。其主要原理为是模型参数无限趋近于某一个观测值,在足够数据支撑的情况下,可以做到较为精确的预测。对于多变量的情形早起研究由于模型识别,估计解释的苦难和研究不足,要求每个序列必须是平稳的,但是往往很多时序数据都不是平稳的,所以预测不是很准确。在恩格尔和Granger(1987)提出协整理论和方法之前,它为非平稳序列的建模提供了方法和途径。在这个理论中,每个时间序列是非平稳的,但它们的线性组合是一个平稳序列,这可以解释变量之间的长期稳定平衡关系^[19]。

时间序列分析理论在国外的应用

由于现实中各种因素的复杂性,往往难以分析和预测静态因果模型,如多元回归,是一种基于事物本身变化的动态模型-时间序列分析的有效方法。近年来,时间序列分析被广泛应用于心理学、地球科学、数据挖掘、数字误差等4个领域^[4]。

在20世纪90年代以来，很多国外学者在时间序列预测的货物发送量预测上去的了巨大的成果。

Porporato等人利用混沌时间序列的单变量预测,进一步提出了混沌时间序列的多变量预测。结果表明,混沌时间序列的多变量预测是完全有益的。其能充分利用周围信息资源可得到比单变量预测更精确的结果。

1. R．Kulkami等人利用神经网络(ANN)对混沌时间序列进行预测和分析,研究了系统的时延和嵌入维数,并利用神经网络对两种不同的高斯噪声进行去噪和仿真通过实验取得了较好的预测效果^[4]。

时间序列分析理论国内的应用

近年来,中国学者在时间序列研究方面取得了重大突破。其主要进展有两个方面:一是单位根理论,二是非线性模型理论。汤佳豪教授将提出一个非线性时间序列分析和动态系统科学的模型。非参数时间序列模型的发展进行深入研究。姚琦伟教授首次提出了一种基于信息量的一般随机系统对初始条件敏感度的度量和估计方法。在高维模型领域,姚琦伟教授提出了一种利用复系数线性模型逼近高维非线性回归函数的新方法,以克服高维非线性参数回归中样本短缺的困难[4]。该方法已成功应用于生物、经济、金融等领域。在研究时将最大似然估计方法应用于序列模型中,建立了直接应用于金融风险管理的ARCH模型的ARCH模型和极大似然估计极限理论。

第3章现代物流管理分析

现代物流管理状况

2017年我国物流运行总体向好。根据国家邮政局数据显示，我国物流发展整体质量在逐步提升，总物流成本与GDP的比率持续下降。社会物流总量稳步增长。需求结构优化。物流运行环境进一步改善，供给侧结构性改革成效显现，产业向高质量发展阶段迈进。

2017年物流需求稳中向好，全国社会物流总额252.8万亿元，同比增长6.7%，增速比上年提高0.6个百分点。

图3.1 2010-2017年社会物流总额及可比增长

2017年社会物流总费用与GDP的比率为14.6%，比上年下降0.3个百分点。即每万元GDP所消耗的社会物流总费用为1460元，比上年下降2.0%，社会物流总费用占GDP的比率进入连续回落阶段^[5]。

图3.2 2008-2017年社会物流总费用与GDP的比率

从构成看，物流降本增效、货畅其流取得初步成效，物流各环节的协同性不断增强。在社会物流总费用中，运输费用6.6万亿元，占54.7%，同比提高0.9个百分点；保管费用3.9万亿元，占32.4%，下降0.8个百分点；管理费用1.6万亿元，占12.9%，下降0.1个百分点。从变化情况看，运输环节在社会物流总费用中的比重持续提高，保管环节则连续下降，表明当前物流流转速度提升，库存、资金占用时间及成本有所下降^[5]。

现代物流管理模式

现在物流管理模式已经逐渐从“单打独斗”单一的企业经营管理转变到平台化，多企业互相合作管理的模式。在我国物流行业中，目前多个物流企业相互合作的越来越多，经营活动范围越来越大。像这样平台化的管理模式有利于各企业通力合作，发挥自身优势。目前第三方物流企业的理论运作模式主要有以下两种:

理论模式一：这类第三方企业的特点是规模大，拥有大量固定资产包括仓库，自动化流水线，叉车等设备。其网络体系分布全国甚至涉足世界，有强大的信息技术支持以及充足的物流人才。其业务横跨多个领域，客户分布广。该模式缺点为由于其业务分布不同领域，该模式成本投入会非常高，并且尽管拥有大量固定资产，想要同时在不同领域提供密集型服务确实很难做到。

以上是毕业论文大纲或资料介绍，该课题完整毕业论文、开题报告、任务书、程序设计、图纸设计等资料请添加微信获取，微信号：bysjorg。

相关图片展示：