建筑项目中钢材价格预测及订货策略研究

发布时间：2020-05-24 01:00

【摘要】：建筑材料的成本控制是工程项目获取经济收益的重中之重,而钢材的采购成本又是建筑材料成本中的重要组成部分。经过调研我国建筑企业运营及其钢材的采购现状后,发现我国建筑行业规模大,但是利润率普遍偏低。为了进一步提高建筑企业的收益和利润,制定合理的钢材采购策略是建筑发展商或承建商控制成本的重要举措,良好的钢材采购策略不仅可以满足建筑施工的需要、降低因停工而造成的损失,也能在一定程度上起到减少库存成本和对流动资金占用的作用,从而增加企业的利润和收益。钢材市场受到多方面因素的影响,价格波动剧烈。为了辅助和支持建筑企业采购决策的制定,本文基于钢材价格的历史数据,通过对历史数据进行异常值、趋势性、条件异方差及季节性四个方面的分析,建立了适合钢材价格的预测模型,并据此来分析和预测钢材价格。同时,在考虑购买成本和存储成本等多种因素的基础上,建立了多期钢材采购及存储动态规划模型。为了说明模型的有效性,本文将建立的预测和优化模型运用到中国恒大集团的某建筑项目钢材采购过程中,通过价格预测和钢材采购优化,实证说明了模型的实操性。而且,本文还分别比较了动态规划订购策略下的总成本与经济订购批量策略、最低库存策略、混合策略和每月按需订购策略的总成本,发现动态规划策略下的总成本最低,比成本最高的每月按需求订货策略少3.86%。因此,本文通过构建钢材价格预测模型与采购模型,其方法可以为工程项目的钢材采购策略提供参考和决策支撑。
【图文】：

房地产行业一直是拉动中国经济增长的龙头行业，随着固定资产投资的发展，建筑企业的规模和收入也日渐增加。截至到 2013 年第 4 季度建筑企业单位累计达到79528家，从业人员数量累计达到4499.31万人。图1.1所示，蓝色柱状条表示全国建筑企业个数，而红色柱状条表示国有建筑企业和国有控股建筑企业的总数目。全国建筑企业总收入与国有及控股建筑企业总收入（亿元）对比如图 1.2所示。图 1.1 国有及控股工程建筑企业总数和工程建筑业企业总个数

北京理工大学工程硕士学位论文图 1.1 和图 1.2 中可以看出，虽然国有控股建筑企业总数不及全国建筑企业分之一，但其总收入已达到全国建筑企业总收入的二分之一左右。相对于，普通民企资金链脆弱，，融资能力差。所以，普通民营建筑企业只有具备本控制技术，才能够在竞争激烈的建筑行业具有一席之地。
【学位授予单位】：北京理工大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：F426.92;F274;F426.31;F764.2

【相似文献】

相关期刊论文 前10条

1 杨子山;;2012/2013年度世界棉花供求、消费与价格预测[J];中国棉花;2013年06期

2 张化中;;探索价格预测规律 为科学价格决策服务——价格预测特点、原则及应努力做好的主要工作[J];价格理论与实践;2012年06期

3 赵平;;2009—2030年原油价格预测[J];国外油田工程;2010年11期

4 张华伟;沈萍;;煤炭价格预测系统模型的构建[J];煤炭经济研究;2009年09期

5 张化中;;积极探索 勇于实践 不断提高价格预测能力和水平——对当前价格预测工作的几点思考[J];价格理论与实践;2009年12期

6 兰兴华;;2007-2008年基本金属价格预测——路透社的调查[J];中国金属通报;2007年13期

7 ;2004年上半年部分农产品价格预测[J];农村养殖技术;2004年06期

8 王征兵;2004年上半年部分农产品价格预测[J];农村实用技术与信息;2004年01期

9 陈建中;;投入产出分析法在价格预测中的应用[J];预测;1987年03期

10 夏琼英;;1987—2000年世界铀消耗的预测[J];国外核新闻;1987年09期

相关会议论文 前10条

1 钱锋;;基于灰色系统方法的产品价格预测[A];江苏省系统工程学会第十一届学术年会论文集[C];2009年

2 葛晨;方志耕;毕冠愚;;基于GM(0,N)模型的C919价格预测[A];第25届全国灰色系统会议论文集[C];2014年

3 李秀兰;;组合预测方法的研究和应用——邮发期刊价格预测[A];中国现场统计研究会第九届学术年会论文集[C];1999年

4 什建岭;贺仲雄;;期货价格预测的新方法——反馈灰色Markov模型[A];1996中国控制与决策学术年会论文集[C];1996年

5 安磊;;浙江省电力市场清算价格预测系统实现[A];2008年电力信息化高级论坛论文集[C];2008年

6 苗开超;胡学钢;徐建鹏;琚书存;;指数平滑模型在农产品价格预测中的应用[A];全国第20届计算机技术与应用学术会议(CACIS·2009)暨全国第1届安全关键技术与应用学术会议论文集（下册）[C];2009年

7 徐宁迎;蒋涛;;养猪生产价格预测探索[A];2008年中国猪业进展[C];2008年

8 张令令;孙金金;黄世祥;李占风;;大数据背景下基于网络搜索数据的商品房价格预测——以武汉市为例[A];2015年（第四届）全国大学生统计建模大赛论文[C];2015年

9 刘朝马;;价格预测在采矿权价值评估中的应用[A];新世纪 新机遇 新挑战——知识创新和高新技术产业发展（下册）[C];2001年

10 阚景阳;;金融危机背景下基于ARMA模型的国际黄金价格预测及国内外黄金市场现状分[A];河北省第四届社会科学学术年会论文专辑[C];2009年

相关重要报纸文章 前10条

1 ;2020年国际黄金价格预测观点[N];中国黄金报;2019年

2 ;2020年国际黄金价格预测观点[N];中国黄金报;2019年

3 ;2020年国际黄金价格预测观点[N];中国黄金报;2019年

4 ;2017贵金属价格预测总览(上)[N];中国黄金报;2017年

5 熊鹤雯;氮肥:市场悲观气氛渐浓[N];农资导报;2017年

6 张瑶瑶;世行调低2016年多数大宗商品的价格预测[N];中国财经报;2016年

7 记者 周武英;世行调降37种大宗商品价格预测[N];经济参考报;2016年

8 王安平;今年六类主要商品价格预测[N];中国特产报;2002年

9 王安平;今年六类主要商品价格预测[N];中华合作时报;2002年

10 罗贤圣;全蝎后市价格预测[N];中国中医药报;2002年

相关博士学位论文 前7条

1 戴相全;镍的价格预测与采购模型及其应用研究[D];东北大学;2015年

2 颜七笙;基于智能计算和混沌理论的铀价格预测研究[D];江南大学;2014年

3 高爽;基于数据流学习的国际石油价格预测研究[D];中国地质大学(北京);2016年

4 张立杰;棉花价格研究及预测[D];天津大学;2012年

5 季托;国际石油价格波动行为机理及预测模型研究[D];东北石油大学;2011年

6 刘铭;若干混合智能计算方法及应用研究[D];吉林大学;2014年

7 王桂红;农产品市场价格web信息分析方法研究[D];沈阳农业大学;2013年

相关硕士学位论文 前10条

1 赵梓良;基于数据挖掘的农产品价格预测研究[D];浙江海洋大学;2019年

2 于娇;面向价格预测的深度学习模型的设计与实现[D];西安电子科技大学;2019年

3 宋智峰;建筑项目中钢材价格预测及订货策略研究[D];北京理工大学;2017年

4 李彦君;基于深度学习方法的机票价格预测[D];黑龙江大学;2019年

5 刘涛;面向机票业务的预测服务系统[D];上海交通大学;2018年

6 陈誉文;机票价格预测系统的设计与实现[D];上海交通大学;2016年

7 戴昊;基于Stacking理论的北京二手房交易价格预测研究[D];辽宁科技大学;2019年

8 周杨;基于改进的LSTM化肥价格预测[D];中国科学技术大学;2019年

9 常诚;基于多模态信息融合的房地产价格预测系统的设计与实现[D];北京邮电大学;2019年

10 范瑜;电子产品价格预测模型分析与研究[D];长安大学;2019年

本文编号：2678221