基于ARIMA模型的新能源汽車(chē)銷(xiāo)量預(yù)測(cè)

繆輝 唐晨添 羅露璐

【摘 要】新能源汽車(chē)是近幾年在汽車(chē)行業(yè)發(fā)展勢(shì)頭迅猛，其銷(xiāo)量也反映出它的市場(chǎng)前景是一片大好，因此尋找一種準(zhǔn)確簡(jiǎn)便的方法預(yù)測(cè)新能源汽車(chē)銷(xiāo)量是十分必要的。文章選取了我國(guó)2014年1月至2019年5月新能源汽車(chē)月銷(xiāo)量作為隨機(jī)的時(shí)間序列數(shù)據(jù)，采用ARIMA模型對(duì)序列進(jìn)行分析，同時(shí)建立最優(yōu)且適合此序列的ARIMA模型對(duì)銷(xiāo)量進(jìn)行預(yù)測(cè)與對(duì)比，為新能源汽車(chē)行業(yè)的發(fā)展提供有益的參考。

【關(guān)鍵詞】ARIMA模型;新能源汽車(chē);預(yù)測(cè)分析

【中圖分類(lèi)號(hào)】F426.471 【文獻(xiàn)標(biāo)識(shí)碼】A 【文章編號(hào)】1674-0688（2020）10-0097-02

0 引言

隨著全球的環(huán)境問(wèn)題和石油能源危機(jī)日趨嚴(yán)峻，世界各國(guó)都在積極采取相應(yīng)措施實(shí)現(xiàn)經(jīng)濟(jì)的快速發(fā)展，新能源汽車(chē)的布局和發(fā)展已然成為世界各國(guó)汽車(chē)產(chǎn)業(yè)發(fā)展的重中之重。近幾年，在全球環(huán)境問(wèn)題日益嚴(yán)峻的形勢(shì)下，各國(guó)積極改進(jìn)技術(shù)研究環(huán)保節(jié)能汽車(chē)，新能源汽車(chē)就這樣迅速地進(jìn)入人們的生活。時(shí)下，占據(jù)大部分市場(chǎng)份額的為純電動(dòng)汽車(chē)和混合動(dòng)力汽車(chē)，它們具有以下優(yōu)點(diǎn)：①減少對(duì)石油資源的消耗和對(duì)環(huán)境的污染。②能源轉(zhuǎn)換率高，使用成本低。③國(guó)內(nèi)免征車(chē)輛購(gòu)置稅，上牌容易且無(wú)限行。為了節(jié)能減排，我國(guó)積極制定相關(guān)政策要求車(chē)企研究并生產(chǎn)新能源汽車(chē)，鼓勵(lì)百姓購(gòu)買(mǎi)新能源汽車(chē)。由于我國(guó)汽車(chē)廠商對(duì)新能汽車(chē)的研究與制造起步較晚，國(guó)內(nèi)學(xué)者對(duì)這方面的研究也于近幾年才逐漸興起，對(duì)新能源汽車(chē)銷(xiāo)量預(yù)測(cè)的研究也相對(duì)較少。針對(duì)新能源汽車(chē)發(fā)展趨勢(shì)和市場(chǎng)銷(xiāo)售的實(shí)際情況，建立銷(xiāo)量預(yù)測(cè)模型有利于了解我國(guó)新能源汽車(chē)市場(chǎng)未來(lái)的需求，也能為相關(guān)學(xué)者的研究和汽車(chē)企業(yè)發(fā)展戰(zhàn)略的制定提供參考。因此，有必要對(duì)新能源汽車(chē)銷(xiāo)量進(jìn)行預(yù)測(cè)研究。

近幾年來(lái)，國(guó)內(nèi)許多學(xué)者使用時(shí)間序列模型對(duì)汽車(chē)銷(xiāo)量進(jìn)行研究。例如，柳東威等人用時(shí)間序列法對(duì)2014年乘用車(chē)月銷(xiāo)量進(jìn)行預(yù)測(cè)[1];郭順生利用時(shí)間序列模型預(yù)測(cè)汽車(chē)銷(xiāo)量[2];凌拓對(duì)我國(guó)電動(dòng)汽車(chē)市場(chǎng)銷(xiāo)量進(jìn)行研究[3];田銳鋒用季節(jié)性模型預(yù)測(cè)“奧迪”汽車(chē)在華銷(xiāo)量[4];王旭天等人運(yùn)用SARIMA對(duì)我國(guó)汽車(chē)銷(xiāo)量預(yù)測(cè)分析[5]等。綜上可以看出，國(guó)內(nèi)學(xué)者都采用了定量的預(yù)測(cè)方法，并且各位研究人員均取得了滿意的研究結(jié)果。本文采用ARIMA模型實(shí)現(xiàn)對(duì)我國(guó)新能源汽車(chē)銷(xiāo)量的預(yù)測(cè)。

1 模型概述

自回歸移動(dòng)平均模型通常簡(jiǎn)稱(chēng)ARIMA模型，該模型是由Box與Jenkins在20世紀(jì)70年代提出的，因此該模型通常也被稱(chēng)為box-jenkins模型，它是一種應(yīng)用范圍十分廣泛的時(shí)間序列預(yù)測(cè)模型。ARIMA模型本質(zhì)上是利用差分運(yùn)算實(shí)現(xiàn)時(shí)間序列由非平穩(wěn)化轉(zhuǎn)換為平穩(wěn)化，再利用因變量進(jìn)行滯后值的回歸擬合處理，基于模擬隨機(jī)誤差現(xiàn)值與滯后值進(jìn)行模型的構(gòu)建及回歸模擬。本文以分析預(yù)測(cè)新能源汽車(chē)銷(xiāo)量為例，運(yùn)用ARIMA（p、d、q）（P、D、Q）模型對(duì)汽車(chē)銷(xiāo)量月度數(shù)據(jù)進(jìn)行分析預(yù)測(cè)。

2 ARIMA模型應(yīng)用實(shí)例

2.1 數(shù)據(jù)來(lái)源及分析

本文數(shù)據(jù)來(lái)自中國(guó)汽車(chē)工業(yè)協(xié)會(huì)及知名汽車(chē)網(wǎng)站，選取了2014年1月至2019年5月的新能源汽車(chē)銷(xiāo)量數(shù)據(jù)。新能源汽車(chē)的銷(xiāo)量趨勢(shì)和傳統(tǒng)汽車(chē)銷(xiāo)量趨勢(shì)相近，每年的2～3月是銷(xiāo)售的淡季，而10月～次年1月是銷(xiāo)售的旺季。在具體預(yù)測(cè)過(guò)程中存在一定因素的影響，但在未來(lái)3個(gè)月時(shí)間范圍內(nèi)的銷(xiāo)量預(yù)測(cè)還是能夠有效地滿足有關(guān)部門(mén)及市場(chǎng)的需要，同時(shí)在實(shí)際預(yù)測(cè)過(guò)程當(dāng)中，政策的改變必然會(huì)造成銷(xiāo)量的改變，因此主要是通過(guò)更新數(shù)據(jù)實(shí)現(xiàn)對(duì)預(yù)測(cè)結(jié)果的更新，超出3個(gè)月范圍的預(yù)測(cè)結(jié)果不具有預(yù)測(cè)意義;本文在時(shí)間序列的基礎(chǔ)上建立此模型，而時(shí)間序列來(lái)具有“近大遠(yuǎn)小”效應(yīng)，預(yù)測(cè)時(shí)間如果超過(guò)要求，將導(dǎo)致精度有一定程度的降低。所以，本文預(yù)測(cè)的主要是最近3個(gè)月的銷(xiāo)量情況，基于2014年1月到2019年5月的數(shù)據(jù)信息進(jìn)行模型的構(gòu)建，采用2019年3月到5月的數(shù)據(jù)進(jìn)行模型驗(yàn)證。

2.2 時(shí)間序列平穩(wěn)性分析

從圖1可以看出，我國(guó)新能源汽車(chē)6年來(lái)的月銷(xiāo)量呈現(xiàn)明顯的變化趨勢(shì)，上升趨勢(shì)尤為明顯，由序列圖的分析可知，序列數(shù)據(jù)隨著季節(jié)波動(dòng)。由SPSS軟件對(duì)數(shù)據(jù)進(jìn)行季節(jié)性分解得到圖2。

數(shù)據(jù)的非平穩(wěn)性消除是必須先做的，按移位水平對(duì)某些異常離散值進(jìn)行處理，之后進(jìn)行差分處理，進(jìn)行一次差分后的原始數(shù)據(jù)變?yōu)樾碌臅r(shí)序數(shù)據(jù)，同時(shí)逐漸表現(xiàn)出平穩(wěn)性的基本特征，ADF單位根檢驗(yàn)的新時(shí)序數(shù)據(jù)比較符合平穩(wěn)性的要求，主要通過(guò)ARIMA模型開(kāi)展相應(yīng)的分析預(yù)測(cè)。

2.3 模型識(shí)別定階及檢驗(yàn)

這里的差分自回歸移動(dòng)平均模型包括6個(gè)參數(shù)：ARIMA（p、d、q）（P、D、Q），p和P表示自回歸方程階數(shù);d和D表示差分次數(shù);q和Q表示平均過(guò)程階數(shù)。小寫(xiě)字母的p、d、q和大寫(xiě)字母的P、D、Q分別代表的是不包含和包含季節(jié)變動(dòng)成分的ARIMA模型結(jié)果。因?yàn)楸疚氖前竟?jié)變動(dòng)成分的時(shí)間序列，所以需看后面括號(hào)的結(jié)果。經(jīng)過(guò)一次差分的時(shí)間序列，自回歸過(guò)程階數(shù)為1。

按照ACF和PACF（ACF是自相關(guān)函數(shù)，PACF是偏相關(guān)函數(shù)）分析原理開(kāi)展相應(yīng)的擬合過(guò)程，基于擬合的具體情況，最后取p=1，q=0，建立ARIMA（1，0，0）（1，1，0）模型的效果較為理想，并運(yùn)用SPSS軟件對(duì)AR（1）進(jìn)行參數(shù)估計(jì)。

由模型輸出參數(shù)發(fā)現(xiàn)：Sig<0.05，所以其建立的模型滿足統(tǒng)計(jì)學(xué)要求，具有統(tǒng)計(jì)學(xué)意義。平穩(wěn)R方為0.538，考慮季節(jié)變動(dòng)的整體R方為0.932，證明SPSS軟件自動(dòng)計(jì)算生成的ARIMA（1，0，0）（1，1，0）模型的擬合效果是不錯(cuò)的。

2.4 模型擬合與預(yù)測(cè)

利用建立的模型對(duì)銷(xiāo)量進(jìn)行擬合及預(yù)測(cè)，結(jié)果見(jiàn)表1和圖3。由圖3可知，ARIMA（1，0，0）（1，1，0）擬合結(jié)果與實(shí)際銷(xiāo)量趨勢(shì)基本一致，但由于某些月份銷(xiāo)量波動(dòng)較大，例如2018年12月新能源汽車(chē)銷(xiāo)量高達(dá)22.5萬(wàn)輛，而最低月份銷(xiāo)量為3.4萬(wàn)輛，這就導(dǎo)致此模型在個(gè)別時(shí)段擬合與預(yù)測(cè)誤差相對(duì)較大。ARIMA模型可以實(shí)現(xiàn)對(duì)銷(xiāo)量趨勢(shì)的有效預(yù)測(cè)，然而在極值處的預(yù)測(cè)誤差有時(shí)會(huì)較大。

3 結(jié)語(yǔ)

本文選取的新能源汽車(chē)銷(xiāo)量數(shù)據(jù)是近幾年才開(kāi)始統(tǒng)計(jì)的，導(dǎo)致只能對(duì)僅有數(shù)據(jù)的變化趨勢(shì)進(jìn)行分析預(yù)測(cè)，影響汽車(chē)銷(xiāo)量的因素有很多，也較為復(fù)雜。時(shí)間序列分析的方法運(yùn)用在此僅是一個(gè)大趨勢(shì)的概括，有一定的局限性，例如只能對(duì)短期的數(shù)據(jù)進(jìn)行較精確的預(yù)測(cè)，下一步可以考慮組合多種方法預(yù)測(cè)，效果可能更加理想。但從某些程度來(lái)說(shuō)，此分析法概括的汽車(chē)銷(xiāo)量變化的趨勢(shì)較為有效，可將預(yù)測(cè)過(guò)程變得簡(jiǎn)單化。隨著時(shí)間的推移，為了增加模型的精準(zhǔn)和時(shí)效性，可以將舊數(shù)據(jù)不斷更替為最新的銷(xiāo)量數(shù)據(jù)。與此同時(shí)，應(yīng)適當(dāng)考慮時(shí)間序列和隨機(jī)因素并增加樣本，這樣得出的結(jié)果可能會(huì)更優(yōu)，而且預(yù)測(cè)精度會(huì)有所提高。預(yù)測(cè)新能源汽車(chē)銷(xiāo)量的整體趨勢(shì)是上升的，汽車(chē)廠商可以由此作為一定參考，合理調(diào)整產(chǎn)銷(xiāo)計(jì)劃，迎合國(guó)家優(yōu)惠政策制定相關(guān)的銷(xiāo)售方案，促進(jìn)我國(guó)新能源汽車(chē)用戶快速增長(zhǎng)。就本文而言，采用的ARIMA模型擬合的不一定是最優(yōu)的結(jié)果，但是就本文選取的新能源汽車(chē)銷(xiāo)量數(shù)據(jù)來(lái)說(shuō)，可能是最優(yōu)的。

參 考 文 獻(xiàn)

[1]柳東威，張海波，吳淑霞，等.基于時(shí)間序列法的2014年乘用車(chē)月銷(xiāo)量預(yù)測(cè)[J].汽車(chē)工程師，2013（12）：13-14.

[2]郭順生，王磊，黃琨.基于時(shí)間序列模型預(yù)測(cè)汽車(chē)銷(xiāo)量研究[J].機(jī)械工程師，2013（5）：8-10.

[3]凌拓.我國(guó)電動(dòng)汽車(chē)市場(chǎng)銷(xiāo)量預(yù)測(cè)研究[D].重慶：重慶理工大學(xué)，2018.

[4]田銳鋒.用季節(jié)性交乘模型預(yù)測(cè)奧迪汽車(chē)在華銷(xiāo)量[J].統(tǒng)計(jì)與管理，2016（8）：70-71.

[5]王旭天，李政遠(yuǎn)，舒慧生.基于SARIMA的我國(guó)汽車(chē)銷(xiāo)量預(yù)測(cè)分析[J].中國(guó)市場(chǎng)，2016（1）：71-74.