铁塔企业物资采购价格预测研究

吴天宇

（华北电力大学经济与管理学院，北京 102200）

1 引言

近年来，由于电力企业的物资管理侧重点从统一和集中转向精细、高效两方面，电力企业物资管理的信息化不再满足于单纯的业务流程集成，物资供应业务与互联网技术的发展融合已成为趋势[1]。

在互联网时代的大背景下，现代供应链得到了快速发展。企业的生产者可以通过互联网更加快捷方便地了解全球范围内各产品生产、消费及运营状态。互联网的迅速发展，使得供应链各节点之间的信息交换变得更加便捷，不仅可以在企业上下游之间达到信息及时传递的目的，还可以实现各节点之间信息的实时交互。无论是原材料采购、物流运输，还是生产制造、产品销售，互联网技术在我国的广泛使用使供应链管理众多环节紧密联系，并保证了整个供应链系统能够正常运转。如今，现代企业在采购管理中越来越重视战略优化和核心竞争力的构建，以降低企业的经营成本，提高企业的管理效率[2]。

采购管理的发展目前在我国逐渐完善，而作为采购管理中重要角色的供应商也不能忽视。可以说，各企业相互之间的竞争当中，做好供应商的管理，对获取企业相互竞争的优势有很大的帮助。从供应链角度来看，制造型企业与供应商的关系密切相关，制造型企业的竞争优势与成本方面的控制对供应商的依赖程度越来越大[3,4]。对于大型企业而言，供应商数量巨大，如何降低采购成本，以更合理的价格进行物资采购，是目前重点关注的问题。

采购及采购成本管理一直以来在企业经营管理中扮演着不可替代的角色，采购质量的高低对企业的成本影响重大，直接关系到企业的生存发展。作为国民经济支柱产业的电力企业，其物资采购管理的质量，不仅可以直接影响企业未来发展的好坏，同时也在一定程度上关系到国民经济是否能稳步发展[5,6]。要实现电力企业招标采购成本的降低，采购价格无疑是重点研究对象。

对于铁塔企业而言，铁塔物资的招标采购问题无疑是现阶段最主要的问题。要想降低铁塔企业招标采购的成本，必须重点考虑铁塔的价格。以合理的价格进行铁塔物资的采购，对铁塔企业实现降本增效，意义重大。

本文以铁塔中的角钢塔为研究对象，探究电网上游供应商的产品价格影响因素，明确铁塔价格的影响因素并进行价格预测。在对国家电网铁塔行报价历史数据以及铁塔企业调研报告的基础上，深入挖掘铁塔价格影响因素，通过相关性分析识别铁塔价格的关键影响因素，进而构建铁塔物资价格预测模型。

2 数据来源

本文的研究数据来源分为4 个部分。涉及铁塔报价、类型、招标单位与供应商等投标报价相关的数据主要来自国网物资部提供的2015-2020年铁塔行报价表；宏观经济指标采用的是2015年1月～2020年6月的月度数据，数据来自国家统计局、EPS 数据库、新浪财经和和讯网；钢材价格来自我的钢铁网，而锌锭价格来自上海有色网和金投网。数据来源如表1所示。

表1 数据来源

3 铁塔物资价格影响因素分析

本研究采用相关性系数测算各个影响因素与价格之间的相关性。如表2所示，各个影响因素与角钢塔价格间的相关性系数，其中只显示相关系数大于0.75 的影响因素，即强相关因素。

表2 各个影响因素与角钢塔价格间的相关性系数

4 铁塔物资价格预测建模

4.1 价格预测模型建立与应用

根据上文的影响因素分析，确定了铁塔价格的关键影响因素建立回归预测模型：

式中，aj为回归方程中各自变量的系数，j 代表自变量的个数，xj表示自变量即各类影响因素指标，y 表示因变量即预测的铁塔价格。

其中，R2最大值为1，R2的值越接近1，说明回归直线对观测值的拟合程度越好；反之，R2的值越小，说明回归直线对观测值的拟合程度越差，一般认为超过0.8 的模型拟合优度比较高。

此外，对回归模型的评价指标还有均方误差（Mean Squared Error，MSE）、均方根误差（Root Mean Squard Error，RMSE）、平均绝对误差（Mean Absolute Error，MAE）、平均绝对百分比误差（Mean Absolute Percentage Error，MAPE）。设铁塔价格的实际值为y，拟合值为，计算公式如下：

MSE 可以评价数据的变化程度，当预测值与真实值完全吻合时等于0，即完美模型。误差越大，该值越大。

RMSE 可以用来衡量观测值与真实值之间的偏差，它的意义在于开个根号后，误差的结果就与数据是一个级别的，可以更好地来描述数据，如RMSE=10，可以认为回归效果相比真实值平均相差10，预测值与真实值完全吻合时等于0，即完美模型。误差越大，该值越大。

MAE 可以更好地反映预测值误差的实际情况，当预测值与真实值完全吻合时等于0，即完美模型。误差越大，该值越大。

MAPE 为0%表示完美模型，MAPE 大于100%则表示劣质模型，MAPE 的值越小，说明预测模型拥有更好的精确度。

从2015-2020年行报价数据中，通过对2015-2020年角钢塔整体供应商各批次均价进行计算，并将其均价与上文相关影响因素进行回归预测，得出相应的强相关因素，回归结果如表3所示，拟合结果如表4和图1所示。

表3 “角钢塔整体供应商”回归系数及相关统计量

表4 “角钢塔整体供应商”回归系数及相关统计量

图1是根据测试集数据画出的散点图，图中红线为y=x，横坐标表示测试集数据的真实价格，纵坐标表示预测出来的价格，若数据点在红色直线上，则表明实际值与预测值相等，预测精度为100%。从表4和图1中可以看出模型的拟合优度较高，角钢塔整体合理价格Y 预测的模型解释度达96.2%，预测误差等指标也很小，因此，角钢塔整体合理价格与强相关因素之间的关系如下所示：

图1 角钢塔整体供应商投标价格拟合图

通过式（10）可知：角钢塔整体合理价格与价格权重、电气机械和器材制造业存货本月末、电气机械和器材制造业产成品存货本月末等呈负相关，与角钢价格、黑色金属矿采选业产成品存货本月末等因素呈正相关。其中，角钢作为角钢塔制造的重要原材料，其价格高低直接影响着角钢塔整体的合理价格，且二者呈正相关，即为角钢价格升高，角钢塔整体合理价格也会随之升高；价格权重在采购策略评审权重一项中占据比重最大，是角钢塔整体合理价格的重要影响因素，且价格权重与角钢塔整体合理价格呈负相关，即随着价格权重设置数值降低，角钢塔整体合理价格将有所升高。

4.2 价格预测模型检验与应用

为了验证预测模型的有效性，选取了2020年第一批次至第五批次进行了检验。首先分别计算了角钢塔在2020年第一批次至第五批次各批次的投标均价，利用式（6）对整体供应商的合理价格进行了预测，并计算了预测值与实际值的差异百分比，如表5和图2所示。

表5 2020年各批次均价与预测合理价格

图2 预测值与实际值差异百分比

从图2中可以看出预测值与实际值的差异百分比在6%之下，其中2020年第二批与2020年第三批结果在3%之下，整体上来看，预测模型的结果还是比较理想的。

5 结论

铁塔是电力行业电工装备制造的重要组成部分，其价格直接影响着电网成本及采购定价。本文对铁塔进行影响因素分析及合理价格预测。具体结论如下：

第一，本研究在国家电网行报价历史数据及一些铁塔企业调研报告的基础上，结合国家电网公司及铁塔制造企业实际情况，运用相关性系数与回归预测模型的方法，对铁塔成本和价格进行深入挖掘与分析，探究铁塔价格影响因素，构建铁塔价格预测模型，帮助企业明确铁塔价格影响因素，进行合理的价格预测，从而降低采购成本，提高采购效率，最终实现对采购价格的把控。第二，本文根据2015-2020年的各招标批次的历史投标数据，主要利用回归预测的方法进行合理价格的研究。首先对数据来源以及数据预处理进行说明；其次，通过对各年各批次历史投标数据进行处理，总结了铁塔价格的影响因素，将这些因素与历史批次的角钢塔价格进行相关性分析，确定影响角钢塔价格的主要影响因素分别为15 个强相关影响因素；最后对采购价格进行预测建模，将相关性分析后筛选出的15 个强相关性因素为模型输入参数，输入模型进行模型检验及应用。研究结果表明，预测结果比较理想。

综上所述，本文将供应链管理中的采购管理知识运用于实践问题，为相关领域的研究提供一点参考。另外，本文的撰写将为国网物资部铁塔采购提出有效的建议，并指导其根据实际情况来对采购进行调整。