基于云GM（1，1）模型的企业主营业务收入预测研究

胡贤清

深圳市华昊信息技术有限公司，广东 深圳 518034

基于云GM（1，1）模型的企业主营业务收入预测研究

胡贤清

深圳市华昊信息技术有限公司，广东 深圳 518034

云GM（1，1）模型是一款以单序列微积分为基本原理的预测模型，在其具体应用过程中能够对有限的影响条件下对具体的单指标现状及其发展趋势进行预判。近年来，随着云计算的发展和云数据的大规模应用，越来越多的企业为了追求经济利益以及更大的抗风险能力，在业务拓展方面存在一定的突破。在此种背景下，引入适宜的方式对其主营业务收益进行预判，具有积极的意义。

云GM（1；1）；主营业务；收入；预测分析

引言

GM（1，1）模型是经济市场活动中对于企业单指标进行评价及预判的有效手段，而基于云计算以及云数据作为基本支撑的云GM（1，1）模型则在现阶段的具体应用中更具优势。具体而言其表现为如下两方面特点：一方面是其基本原理以及计算法则与传统GM模型相同，因此其预测的准确性也客观上继承了该模型的相关特征。从现有的研究现状中来看，综合预测有效比例接近80%，是一种有效的预测体系与方法；另一方面，云 GM模型的计算统筹能力来源于云计算系统，在庞大的数据资源以及具有跟踪效果的持续性支持下，基于模糊评价的自我反馈与学习系统得意实现，能够针对评价结果的偏差进行有效的参数修订，并像其他预测体系进行推广，最终形成更具有说服力以及准确性的预测结果[1]。

1 云模型的计算及相关数据的获取

根据相关的理论基础与研究现状，云GM模型与GM模型在构建过程中相同，其基础运算逻辑如下：

即中间参数量b的取值为变量x的0阶导数的平均导数与该指标下的赋值参数乘积之和。

上述模型能够实现两方面功能，一方面是公式中的参数 a可以根据云计算系统所带来的学习与修订体系进行不断的校正，进而提供更为接近真实值的参数范围；另一方面则是通过云数据的方式获取相应目标的综合指标体系，即能够实现对相关企业的主营业务判断，更能够针对其主营业的市场变化情况产生一定的预测[2]。

在实际的应用过程中云GM（1，1） 模型主要分为了两个部分。其一是针对多项经营指标对主营业务进行筛选。具体的筛选原则分为三项标准：一是经营时间相对较长，就一般情况而言主营业务往往是企业开展的首选业务，故而其营业时间必然要相较于其他业务而言较长；二是经营规模相对较大，主营业务虽然并不一定是收益率即盈利规模最大的项目，但是就经营业务规模而言一定是企业相对较大的；三是企业投入的精力与成本最高，企业的主营业务是企业发展与可持续战略的根本，故而绝大部分企业在主营业务中的市场拓展与投入均处于较高水平。基于上述的三点，其中满足上述三个特点中的2～3条则可以认证为是企业的主营业务。

该模型的另一个功能则是对目标企业的主营业务收入进行预测。值得我们注意的是所谓的收入预测主要是在时间序列的基础上对其全额营业额的预测，而非利润。而在此背景下通过模型的预判能够为后续的投资以及企业运营提供必要基础与支撑。

2 基于GM模型的企业收入预测

通过上文的研究，我们基本理清了云GM（1，1）模型的应用原理及其应用过程，为了进一步认证此种模式在实际预测中的有效性，本文随机选取了13家上市公司信息披露数据（2012—2015年）作为基本的云数据来源，对其进行实证研究，并以2016年作为预测基准，对比企业实际经济指标与预测指标之间的差异性，以此来表征预测体系的有效性，具体结果如下：

（1）在主营业务判断方面

本文通过随机选取的 13家企业进行了模糊判断，以上文讨论的基本标准作为筛选条件获得了相关企业的主营业务列表，并以人工确定的方式来加以认证。经过分析发现云GM（1，1）在13个企业主营业务判断结果的认证中全部命中，该项目预测准确性为100%，其中通过预测标准分析我们发现，其中有10家企业的主营业务满足3项指标，3家企业主营业务满足2项指标。这说明无论是参数设置还是相关的模型应用均对于该领域问题的预测具有一定的有效性。

（2）在主营业务收入预测方面

在确定了上文所选取的 13家企业主营业务之后，该模型对相关业务收入进行了预测，其预测过程分为如下几个步骤：首先，对预测指标进行模糊评价计算，通过云数据（本文为研究方便仅选取了企业信息披露中的相关数据）的方式筛选出与营业收入直接关联的相关指标（以关联度不低于80%为具体阙值）；其次，采用自2011—2015年数据为基本预测数据来源，进行“二拖一”预测方式进行逐年推进，即采用 2011与2012年数据对2013年营业收入进行预测，并利用2013年实际值进行修订，后利用2012与2013年数据对2014年相关指标进行预测，并采用2014年实际值进行修订。以此类推直至完成2016年相关数据预测结构的输出后结束。此种预算模式能够在不断的修订过程中提高其预测准确率。从实际的预测效果来看，综合准确率（13家平均值）由最初的70%左右，呈现出逐年提升的趋势。截至2016年，12家主营业务收入预测结果与实际值的平均准确率为83.79%，高于业内的预测准确性平均值。其中某一企业由于在2016年部分生产基地出现重大环境违法事件，故而主营业务收入预测值远超实际值。这也进一步说明任何预测系统对于此类突发市场变化的预测能力均无法形成有效的预测。

3 总结

本文对于云系统整合GM（1，1）灰度预测模型的方式对相关问题开展研究。在具体的研究过程中首先对其预测原理及其过程进行探讨；其次，根据具体的企业实证研究对其预测结果的精密度进行讨论。希望通过本文的研究能够为今后的相关与计算体系发展提供必要的理论基础与实践指导。

[1]董克，吕文元.基于三次B′ezier基函数插值的GM（1，1）模型背景值优化研究[J].数学杂志，2016（3）：1-7.

[2]资道根.基于灰色GM（1，1）模型的跨境电子商务发展前景预测分析[J].数学的实践与认识，2015（1）：96-105.

Research on enterprise’s main business revenue forecast based on cloud GM（1，1）model

Hu Xianqing
Shenzhen Hua Hao Information Technology Co., Ltd., Guangdong Shenzhen 518034

Cloud GM （1，1） model is a single sequence of calculus as a basic principle of prediction model，can affect the limited conditions of single index of current situation and development trend of specific anticipation in the specific application process.In recent years, with the development of cloud computing and the large-scale application of cloud data, more and more enterprises in order to pursue economic benefits and greater ability to resist risks, there is a breakthrough in business development.In this context, it is of great significance to introduce appropriate ways to predict the main business income.

cloud GM（1；1）; main business; revenue; forecast analysis

F810.42；F224

A

1009-6434（2017）3-0141-02