歐鵬飛,馮乾隆
摘 要:文章主要通過Logistic與灰色理論構(gòu)建汽車市場(chǎng)保有量的組合預(yù)測(cè)模型,并與單獨(dú)使用Logistic模型進(jìn)行對(duì)比,驗(yàn)證了組合預(yù)測(cè)模型在預(yù)測(cè)市場(chǎng)保有量上更為精確,然后根據(jù)模型預(yù)測(cè)得到未來汽車保有量情況。結(jié)合保有量與銷量的關(guān)系構(gòu)建兩者關(guān)系模型,并對(duì)汽車市場(chǎng)銷量進(jìn)行預(yù)測(cè)。最后以皮卡為案例對(duì)細(xì)分領(lǐng)域市場(chǎng)進(jìn)行分析,預(yù)測(cè)得到細(xì)分市場(chǎng)的市場(chǎng)銷量,從而為政府及企業(yè)決策提供理論依據(jù)。關(guān)鍵詞:組合預(yù)測(cè)模型;汽車保有量;市場(chǎng)銷量;預(yù)測(cè)中圖分類號(hào):U461 ?文獻(xiàn)標(biāo)識(shí)碼:A ?文章編號(hào):1671-7988(2019)23-239-06
Study of Chinese Automotive Market Forecast and Case Analysis*
Ou Pengfei, Feng Qianlong
(China Automotive Technology and Research Center Co., Ltd., Tianjin 300300)
Abstract: This paper mainly constructs a combination forecasting model of automobile market ownership by using Logistic and grey theory, and compares it with the single use of Logistic model, verifies that the combination forecasting model is more accurate in forecasting market ownership, and then gets the future automobile ownership situation according to the model. Combining the relationship between ownership and sales, the relationship model is constructed, and the automobile market sales are forecasted. Finally, taking pickup truck as an example, the market in the subdivision field is analyzed, and the market sales in the subdivision market are predicted, which provides a theoretical basis for the government and enterprises to make decisions.Keywords: Combination forecasting model; Automobile ownership; Market sales; ForecastCLC NO.: U461 ?Document Code: A ?Article ID: 1671-7988(2019)23-239-06
前言
點(diǎn)擊并拖拽以移動(dòng)點(diǎn)擊并拖拽以移動(dòng)受近幾年經(jīng)濟(jì)結(jié)構(gòu)調(diào)整與消費(fèi)市場(chǎng)周期性萎縮的負(fù)面影響,2018年中國(guó)汽車市場(chǎng)銷量出現(xiàn)28年來首次下滑,但根據(jù)統(tǒng)計(jì)數(shù)據(jù)可知,我國(guó)汽車保有量依然保持較快增長(zhǎng),且增長(zhǎng)空間明顯。汽車保有量的持續(xù)增長(zhǎng)將可能引起交通擁堵、能源危機(jī)、環(huán)境污染等一系列問題,因此提前準(zhǔn)確預(yù)測(cè)汽車保有量,針對(duì)性綜合施策,對(duì)我國(guó)汽車工業(yè)發(fā)展、基礎(chǔ)設(shè)施布局及智慧交通構(gòu)建等都具有前瞻實(shí)際意義。此外,通過汽車保有量的預(yù)測(cè),得到未來汽車銷量預(yù)估值,將為車企戰(zhàn)略與結(jié)構(gòu)調(diào)整提供參考依據(jù),對(duì)可持續(xù)發(fā)展戰(zhàn)略具有重要意義[1-2]。目前,現(xiàn)有理論研究中對(duì)汽車細(xì)分領(lǐng)域的研究相對(duì)較少,作為整體汽車大市場(chǎng)的基本組成單元,細(xì)分領(lǐng)域的市場(chǎng)銷量更受汽車行業(yè)從業(yè)者的關(guān)注,明確細(xì)分市場(chǎng)的需求空間及銷量預(yù)期,對(duì)國(guó)家細(xì)分領(lǐng)域的政策制定提供可靠的數(shù)據(jù)支撐,為企業(yè)未來產(chǎn)業(yè)投資、戰(zhàn)略調(diào)整及產(chǎn)業(yè)鏈優(yōu)化提供重要參考價(jià)值,也將對(duì)基礎(chǔ)設(shè)施的合理布局提供相應(yīng)的市場(chǎng)保障,有利于汽車市場(chǎng)的良性競(jìng)爭(zhēng)與發(fā)展。
戴學(xué)臻等[3]等考慮人口戶數(shù)對(duì)汽車保有量的影響,通過雙重Logistic模型對(duì)汽車市場(chǎng)進(jìn)行預(yù)測(cè),此方法存在長(zhǎng)期走勢(shì)準(zhǔn)確但短期預(yù)測(cè)精度較低的問題;王棟[4]采用神經(jīng)網(wǎng)絡(luò)方法,結(jié)合人口總量、城市化率等因素,綜合預(yù)測(cè)汽車保有量,但由于采用大量已知影響因素,并未得到未來影響因素的數(shù)據(jù),因此也未能預(yù)測(cè)未來汽車保有量情況;高俊杰等[5]通過結(jié)構(gòu)關(guān)系識(shí)別預(yù)測(cè)汽車銷量情況,但汽車銷量與市場(chǎng)保有量、人口因素結(jié)合較為緊密,因此僅僅通過歷史銷量數(shù)據(jù)較難準(zhǔn)確得到未來市場(chǎng)銷量;曹永立[6]基于網(wǎng)絡(luò)搜索數(shù)據(jù)的方法預(yù)測(cè)未來汽車銷量,主要通過獲取網(wǎng)絡(luò)信息數(shù)據(jù)預(yù)測(cè)汽車銷量,缺少嚴(yán)謹(jǐn)?shù)睦碚撝巍?/p>
本文主要通過Logistic模型預(yù)測(cè)長(zhǎng)期汽車的保有量情況,加入灰色預(yù)測(cè)模型,通過組合預(yù)測(cè)算法預(yù)測(cè)短期汽車保有量情況,并利用已知數(shù)據(jù)與預(yù)測(cè)模型進(jìn)行比較,得出采用組合預(yù)測(cè)模型預(yù)測(cè)的短期汽車銷量具有更高精度;此外,根據(jù)已知汽車保有量與銷量數(shù)據(jù),建立保有量與銷量模型,預(yù)測(cè)得到未來汽車市場(chǎng)銷量情況;最后以皮卡市場(chǎng)為研究對(duì)象,通過細(xì)分領(lǐng)域銷量與整體市場(chǎng)銷量的關(guān)系,預(yù)測(cè)細(xì)分領(lǐng)域的市場(chǎng)情況,為政府及企業(yè)的戰(zhàn)略決策提供理論依據(jù)。
1 汽車市場(chǎng)保有量預(yù)測(cè)
1.1 Logistic保有量預(yù)測(cè)
1.1.1 Logistic模型分析
考慮到環(huán)境、資源、人口等條件的約束,汽車保有量不會(huì)無限制增長(zhǎng),一般認(rèn)為保有量在實(shí)現(xiàn)較快增長(zhǎng)后將趨于平緩,并最終穩(wěn)定在最大飽和值,表現(xiàn)為S型增長(zhǎng)形式[7]。而Logistic模型主要用于描述有界S型曲線增長(zhǎng)現(xiàn)象,由于其設(shè)計(jì)思路簡(jiǎn)單、易于實(shí)現(xiàn),因此已在生物學(xué)、預(yù)測(cè)科學(xué)、經(jīng)濟(jì)學(xué)、人工智能等領(lǐng)域得到廣泛應(yīng)用,本文也主要應(yīng)用Logistic模型預(yù)測(cè)汽車保有量。Logistic模型微分方程如式(1)所示。
點(diǎn)擊并拖拽以移動(dòng) ? ? ? ? ? ? ? ? ? ? ? ? ? ?(1)
式中,N(t)為t時(shí)刻汽車保有量,M為汽車最大保有量,a為常數(shù)。求解式(1)可得:
點(diǎn)擊并拖拽以移動(dòng) ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?(2)
式中,點(diǎn)擊并拖拽以移動(dòng),為汽車保有量與所允許的最大保有量之比;b為常數(shù)。
Logistic曲線如圖1所示,曲線斜率表示汽車保有量的增長(zhǎng)率,在0.2N-0.8N范圍內(nèi)保有量呈現(xiàn)出近似直線的快速增長(zhǎng),0.5N時(shí)增長(zhǎng)速度達(dá)到最大,0.8N之后增長(zhǎng)逐漸放緩并趨于穩(wěn)定[8]。
點(diǎn)擊并拖拽以移動(dòng)
圖1 ?Logistic曲線圖
在分析汽車保有量之前,需驗(yàn)證保有量增長(zhǎng)是否符合Logistic曲線形式。本文根據(jù)中國(guó)統(tǒng)計(jì)年鑒統(tǒng)計(jì)數(shù)據(jù),選取1990-2018年數(shù)據(jù)通過MATLAB進(jìn)行擬合,得到擬合結(jié)果如圖2所示。
點(diǎn)擊并拖拽以移動(dòng)
圖2 ?汽車保有量Logistic擬合曲線
由圖可知,汽車保有量具有較好的Logistic擬合效果,且擬合優(yōu)度R2=0.9968,因此可以使用Logistic模型分析我國(guó)汽車保有量增長(zhǎng)情況。
汽車保有量與我國(guó)人口數(shù)量有較大關(guān)系,人口增量是影響汽車保有量的重要因素,為了消除人口不確定性帶來的預(yù)測(cè)偏差,本文采用千人汽車保有量數(shù)據(jù)來排除人口數(shù)量的干擾。由式(1)(2)通過回歸分析計(jì)算可得:
點(diǎn)擊并拖拽以移動(dòng) ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? (3)
點(diǎn)擊并拖拽以移動(dòng) ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?(4)
因此,點(diǎn)擊并拖拽以移動(dòng)與時(shí)間t表現(xiàn)為線性關(guān)系,即對(duì)應(yīng)圖1中P為0.2-0.8范圍內(nèi)的數(shù)據(jù)。因此,在ln0.25至ln4區(qū)間內(nèi),增長(zhǎng)量與時(shí)間t近似為線性關(guān)系。
1.1.2 最大千人汽車保有量確定
截至2018年,我國(guó)千人汽車保有量為166輛/千人,低于世界平均水平的206輛/千人,且遠(yuǎn)低于日本的590輛/千人和美國(guó)的800輛/千人。隨著我國(guó)經(jīng)濟(jì)的平穩(wěn)發(fā)展以及人民需求的不斷提升,預(yù)計(jì)千人汽車保有量將繼續(xù)實(shí)現(xiàn)快速增長(zhǎng)。在家庭觀念濃厚的中國(guó),若單獨(dú)以人口基數(shù)作為汽車保有量的參考因素,會(huì)由于基數(shù)過大致使預(yù)判產(chǎn)生較大誤差,因此應(yīng)將戶均機(jī)動(dòng)車保有量作為重要參考條件。
研究表明,我國(guó)汽車增長(zhǎng)速度表現(xiàn)為由高到低,并逐漸趨向緩和的發(fā)展規(guī)律,當(dāng)戶均汽車達(dá)到1.4輛/戶左右,機(jī)動(dòng)車保有量將趨于平穩(wěn)??紤]到我國(guó)家庭人口數(shù)逐年減少,人口老齡化日益嚴(yán)峻,且城市公共交通規(guī)模逐漸完善,本文保守估計(jì)戶均汽車最大保有量為1.3/戶輛。根據(jù)中國(guó)統(tǒng)計(jì)年鑒數(shù)據(jù)顯示,截至2018年,我國(guó)人口數(shù)達(dá)到13.95億人,而戶均人口數(shù)逐年減少,并逐漸穩(wěn)定在3.2人/戶,因此本文取3.2人/戶作為戶均人口數(shù)飽和值。根據(jù)以上數(shù)據(jù),計(jì)算得到我國(guó)千人汽車保有量約為406.25輛/千人,與2019年國(guó)家信息中心預(yù)測(cè)的千人汽車最大保有量為400輛/千人到450輛/千人一致。為便于計(jì)算,本文選取我國(guó)千人汽車最大保有量為406輛/千人
1.1.3 Logistic模型參數(shù)預(yù)測(cè)
本文根據(jù)國(guó)家統(tǒng)計(jì)局1990-2017年汽車保有量、人口總數(shù)數(shù)據(jù),計(jì)算得到歷年千人汽車保有量F、歷年千人汽車保有量與最大千人汽車保有量比值P,及點(diǎn)擊并拖拽以移動(dòng)數(shù)值如表1所示。
表1 ?我國(guó)汽車保有量統(tǒng)計(jì)及計(jì)算數(shù)據(jù)
點(diǎn)擊并拖拽以移動(dòng)
根據(jù)前文分析可知,在P為0.2-0.8范圍內(nèi),點(diǎn)擊并拖拽以移動(dòng)與時(shí)間t基本呈線性關(guān)系,結(jié)合圖2保有量擬合結(jié)果圖,本文選取2000-2015年數(shù)據(jù),對(duì) 點(diǎn)擊并拖拽以移動(dòng)與時(shí)間t進(jìn)行擬合,如圖3所示,得到擬合公式如式(5)所示。因此得到式(4)中參數(shù)a、b的值分別為0.1777和-3.753。
點(diǎn)擊并拖拽以移動(dòng)
圖3 ?二次擬合結(jié)果
點(diǎn)擊并拖拽以移動(dòng) ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?(5)
為驗(yàn)證Logistic模型的預(yù)測(cè)精度,本文通過模型對(duì)2016-2018年汽車保有量進(jìn)行預(yù)測(cè),并與真實(shí)值進(jìn)行對(duì)比,得到預(yù)測(cè)值與真實(shí)值數(shù)據(jù)如表2所示。
表2 ?Logistic模型汽車保有量預(yù)測(cè)值與實(shí)際值對(duì)比
點(diǎn)擊并拖拽以移動(dòng)
由結(jié)果可知,采用Logistic模型較好得擬合了我國(guó)汽車保有量的發(fā)展趨勢(shì),相對(duì)誤差較小,因此預(yù)測(cè)精度相對(duì)較高。因P值在0.2-0.8范圍內(nèi)汽車保有量實(shí)現(xiàn)快速增長(zhǎng),當(dāng)P值大于0.8時(shí),保有量增速將逐漸放緩,并逐漸達(dá)到飽和。由式(5)可知,當(dāng)P取值0.8時(shí),t=29,即預(yù)計(jì)汽車保有量增速將在2029年達(dá)到45472萬輛后逐漸放緩,預(yù)計(jì)2030年保有量將達(dá)到48300萬輛,當(dāng)保有量達(dá)到5.6億輛時(shí)趨向飽和。
考慮到Logistic模型過多地考慮了歷史信息,會(huì)由于較早數(shù)據(jù)的干擾致使未來預(yù)測(cè)產(chǎn)生偏差,且預(yù)測(cè)過程中,僅僅以歷史數(shù)據(jù)為依據(jù),將來預(yù)測(cè)結(jié)果不參與模型的計(jì)算過程,因此預(yù)測(cè)適應(yīng)性存在局限,存在近期數(shù)據(jù)預(yù)測(cè)精度較低等問題?;谝陨峡紤],本文加入灰色模型,采用與Logistic模型組合的方法,進(jìn)一步提高模型對(duì)近期數(shù)據(jù)的預(yù)測(cè)精度。
1.2 Logistic與灰色模型組合預(yù)測(cè)
1.2.1 灰色預(yù)測(cè)模型建立
由表1可知,近幾年保有量比值P位于0.2-0.8范圍內(nèi),表明我國(guó)汽車保有量正處于快速增長(zhǎng)期。選取增長(zhǎng)期內(nèi)某一段時(shí)間內(nèi)保有量數(shù)據(jù)作為原始樣本序列x(0)={x(0)(1), x(0)(2),…, x(0)(k)},建立GM(1,1)灰色預(yù)測(cè)模型。對(duì)原始數(shù)據(jù)通過式(6)做累加得到累加序列x(1)={x(1)(1), x(1)(2),…,x(1)(k)}。
點(diǎn)擊并拖拽以移動(dòng) ? ? ? ? ? ? ? ? ? ? ? ?(6)
對(duì)x(1)內(nèi)相鄰序列通過式(7)求均值,得到均值序列z(1)= {z(1)(2), z(1)(3),…,z(1)(k)}
點(diǎn)擊并拖拽以移動(dòng) ? ? ? ? ? ? ? ?(7)
GM(1,1)的白化微分方程為:
點(diǎn)擊并拖拽以移動(dòng) ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? (8)
方程的響應(yīng)為:
點(diǎn)擊并拖拽以移動(dòng) ? ? ? ? ? ? ? ? ? ? ?(9)
式中,u和v為待定參數(shù)變量。令點(diǎn)擊并拖拽以移動(dòng),則GM(1,1)模型點(diǎn)擊并拖拽以移動(dòng)的最小二乘估計(jì)參數(shù)滿足點(diǎn)擊并拖拽以移動(dòng),且
點(diǎn)擊并拖拽以移動(dòng)
因此求得模型的預(yù)測(cè)值為[9]:
點(diǎn)擊并拖拽以移動(dòng) ? ? ? ? ? ? ? ?(10)
1.2.2 組合預(yù)測(cè)模型設(shè)計(jì)
由表1千人保有量與最大保有量比值可以看出,2010年之后,比值P近似呈線性增長(zhǎng),增長(zhǎng)速度最快,因此選取2010-2015年保有量作為原始序列x(0)。將數(shù)據(jù)帶入模型,由MATLAB計(jì)算得到參數(shù)u=-0.135,v=7720.99,因此得到預(yù)測(cè)模型如式(11)所示。
點(diǎn)擊并拖拽以移動(dòng) ? ? ? ? ? ? ? ? ?(11)
為判斷模型的預(yù)測(cè)精度,本文對(duì)2016-2018年保有量數(shù)據(jù)進(jìn)行預(yù)測(cè),并與實(shí)際保有量進(jìn)行對(duì)比,如表3所示。
表3 ?組合預(yù)測(cè)模型保有量預(yù)測(cè)值與實(shí)際值對(duì)比
點(diǎn)擊并拖拽以移動(dòng)
由對(duì)比結(jié)果可知,組合預(yù)測(cè)法得到的預(yù)測(cè)汽車保有量較好地接近實(shí)際保有量值,相對(duì)誤差絕對(duì)值控制在1%內(nèi),預(yù)測(cè)精度較高。表4所示為L(zhǎng)ogistic模型與組合預(yù)測(cè)模型得到的預(yù)測(cè)結(jié)果相對(duì)誤差,相比之下,采用組合預(yù)測(cè)法得到的預(yù)測(cè)保有量與實(shí)際保有量更接近,相對(duì)誤差更小。因此采用組合預(yù)測(cè)法可更好的預(yù)測(cè)我國(guó)未來汽車保有量及發(fā)展趨勢(shì)。
表4 ?兩種預(yù)測(cè)方案相對(duì)誤差對(duì)比
點(diǎn)擊并拖拽以移動(dòng)
1.3 未來汽車保有量預(yù)測(cè)
根據(jù)上述分析,本文采用組合預(yù)測(cè)模型預(yù)測(cè)我國(guó)未來汽車保有量。為了保證預(yù)測(cè)結(jié)果更精確,參考圖1在2010年之后汽車保有量基本呈線性快速增長(zhǎng)的趨勢(shì),為充分利用近幾年的數(shù)據(jù),本節(jié)選取2012-2017年汽車銷量帶入組合模型重新預(yù)測(cè),得到預(yù)測(cè)公式如式(12)所示。
點(diǎn)擊并拖拽以移動(dòng) ? ? ? ? ? ? ? ? ?(12)
根據(jù)預(yù)測(cè)模型,預(yù)測(cè)未來四年汽車保有量如表5所示。
根據(jù)上述分析,本文預(yù)測(cè)汽車將在2022年保有量達(dá)到35144.73萬輛,2029年保有量達(dá)到45472萬輛后增速逐漸放緩,當(dāng)保有量達(dá)到5.6億輛時(shí)達(dá)到飽和。
2 汽車銷量預(yù)測(cè)
根據(jù)歐美等發(fā)達(dá)汽車發(fā)展歷程中保有量與銷量的關(guān)系可以看出,當(dāng)汽車保有量達(dá)到飽和點(diǎn)時(shí),保有量與銷量將近似呈現(xiàn)出“勺形”特性[10],即保有量在飽和點(diǎn)附近上下波動(dòng),且波動(dòng)變化不大,汽車銷量在達(dá)到飽和點(diǎn)前將出現(xiàn)峰值,當(dāng)達(dá)到飽和點(diǎn)后銷量將出現(xiàn)下降趨勢(shì)。為了得到較大范圍內(nèi)汽車銷量與保有量的關(guān)系,本文結(jié)合現(xiàn)有汽車銷量與保有量的關(guān)系及預(yù)估得到的未來汽車保有量來預(yù)測(cè)未來汽車銷量,表6所示為2004-2017年汽車保有量與銷量數(shù)據(jù)。首先對(duì)未來特定年份汽車銷量進(jìn)行預(yù)測(cè),考慮到汽車平均報(bào)廢周期為14年,參考表6保有量與汽車銷量的發(fā)展規(guī)律發(fā)現(xiàn),某年汽車銷量約等于本年度汽車保有量與上年度保有量的差值再加上14年前汽車銷量數(shù)據(jù),因此可預(yù)估得到2025年和2029年幾個(gè)特征年份汽車銷量。根據(jù)以上數(shù)據(jù),得到汽車保有量與銷量如圖4所示,兩者關(guān)系如式(13)所示,預(yù)測(cè)得到的未來幾年汽車銷量數(shù)據(jù)如表7所示。
3 細(xì)分領(lǐng)域皮卡銷量預(yù)測(cè)
本文以皮卡為例,結(jié)合預(yù)測(cè)的汽車銷量情況預(yù)測(cè)細(xì)分領(lǐng)域市場(chǎng)。皮卡作為汽車車型重要組成部分,占有舉足輕重的市場(chǎng)份額,特別在我國(guó)中西部人口較稀疏的地區(qū),由于皮卡具有裝載能力強(qiáng)、動(dòng)力性足、通過性好、乘坐舒適等優(yōu)點(diǎn),受到廣泛青睞。此外,隨著我國(guó)區(qū)域用車市場(chǎng)的逐步細(xì)化,皮卡也逐漸向舒適、安全、科技、高端等方向發(fā)展,在皮卡市場(chǎng)解禁政策及先天優(yōu)勢(shì)的推動(dòng)下,皮卡市場(chǎng)呈現(xiàn)高速上揚(yáng)態(tài)勢(shì),銷量及保有量將繼續(xù)保持高速增長(zhǎng),市場(chǎng)規(guī)模將進(jìn)一步擴(kuò)大[11]。
表8所示為近年來皮卡銷量與汽車整體銷量占比關(guān)系,由占比數(shù)據(jù)可以看出,近幾年皮卡銷量市場(chǎng)份額占有率變化較為平穩(wěn)且波動(dòng)較小,因此可以通過整體市場(chǎng)銷量預(yù)測(cè)未來皮卡市場(chǎng)情況。若銷量占比預(yù)測(cè)合理,則得到的皮卡銷量也將在合理范圍內(nèi)。
根據(jù)分析可知,在2018年汽車行業(yè)面臨28年來首次負(fù)增長(zhǎng)的“寒冬期”,皮卡依然實(shí)現(xiàn)9.3%高速增長(zhǎng),成為近年來汽車市場(chǎng)中銷量增長(zhǎng)最為迅猛的單一車型,與使用場(chǎng)景較為相似的MPV形成了鮮明對(duì)比。進(jìn)入2019年,皮卡市場(chǎng)繼續(xù)保持高歌猛進(jìn)增長(zhǎng)態(tài)勢(shì),1-6月同比增長(zhǎng)12.4%,出現(xiàn)工業(yè)銷量下跌、終端銷量上漲的現(xiàn)象。皮卡市場(chǎng)實(shí)現(xiàn)快速增長(zhǎng),與部分試點(diǎn)城市取消皮卡反光條、噴字、營(yíng)運(yùn)證辦理、城市限行等政策息息相關(guān),隨著汽車消費(fèi)觀念的升級(jí),消費(fèi)者對(duì)皮卡的認(rèn)知更加全面,以及預(yù)期未來利好政策試點(diǎn)城市的增加及解禁政策的推廣,再加之政府及消費(fèi)者對(duì)新能源皮卡的認(rèn)可,皮卡汽車將迎來廣闊的市場(chǎng)空間。參考美國(guó)、澳大利亞、泰國(guó)等地區(qū)皮卡占據(jù)整車市場(chǎng)份額的16%、19.5%、40%,中國(guó)和美國(guó)同樣為幅員遼闊的汽車大國(guó),因此中國(guó)皮卡市場(chǎng)依然潛力巨大。
考慮到皮卡的潛在用戶主要分為市政、企業(yè)和普通消費(fèi)者,政府及企業(yè)的應(yīng)用場(chǎng)景主要包括電力、石油、城市綠化、道路救援、城市管理、消防救災(zāi)等基礎(chǔ)設(shè)施建設(shè)運(yùn)營(yíng)及后勤保障等方面,因此皮卡的銷量與城市化的建設(shè)具有較大關(guān)聯(lián)。圖5所示為近年來我國(guó)皮卡銷量與城市化率情況,除2014-2015年受市場(chǎng)波動(dòng)皮卡銷量有所下降外,整體皮卡市場(chǎng)與城市化率基本呈現(xiàn)正相關(guān)關(guān)系。隨著未來經(jīng)濟(jì)的穩(wěn)定發(fā)展及城市化率的提升,基建設(shè)施及后勤保障將進(jìn)一步擴(kuò)大,會(huì)進(jìn)一步帶動(dòng)皮卡市場(chǎng)的發(fā)展。在文化大交融及皮卡趨向智能、舒適、電動(dòng)及高端化的影響下,皮卡不再單單以低端的商用場(chǎng)景出現(xiàn)在人們的視野,其優(yōu)秀的駕駛體驗(yàn)、乘坐舒適性將逐漸深入人心,也將拉動(dòng)皮卡市場(chǎng)的發(fā)展。此外,政策上2020年地級(jí)及以下城市將全部取消皮卡進(jìn)城限制,且解禁政策試點(diǎn)城市有望普及全國(guó),因此本文對(duì)皮卡市場(chǎng)持樂觀態(tài)勢(shì),預(yù)期近幾年市場(chǎng)占有率將持續(xù)增長(zhǎng),并隨著占有量的增多逐漸趨于緩和。但考慮到未來經(jīng)濟(jì)增長(zhǎng)幅度及政策拉動(dòng)的不確定性,因此本文給出保守與樂觀兩種預(yù)測(cè)結(jié)果。若經(jīng)濟(jì)增長(zhǎng)較緩,則市場(chǎng)銷量將受到較大限制,此種情況保守預(yù)測(cè)2029年皮卡市場(chǎng)銷量占有率為3%;若經(jīng)濟(jì)發(fā)展依然較快且市場(chǎng)開放明顯,則樂觀估計(jì)2029年市場(chǎng)銷量占有率將實(shí)現(xiàn)5%。根據(jù)歷年銷量數(shù)據(jù)和近幾年市場(chǎng)將持續(xù)走高的預(yù)期以及上述市場(chǎng)占有率預(yù)測(cè)值,預(yù)計(jì)未來皮卡市場(chǎng)銷量占比區(qū)間如圖6所示。
根據(jù)前述預(yù)測(cè)得到的汽車銷量數(shù)據(jù)以及皮卡的市場(chǎng)占比,預(yù)測(cè)2020年皮卡銷量約為55-66萬輛,2025年銷量將達(dá)到100-160萬輛。預(yù)測(cè)未來幾年得皮卡銷量區(qū)間如圖7所示。
4 結(jié)論
本文主要通過Logistic模型對(duì)我國(guó)汽車保有量發(fā)展趨勢(shì)進(jìn)行分析,并預(yù)測(cè)長(zhǎng)期汽車保有量的增長(zhǎng)空間;通過Logistic數(shù)據(jù)分析指導(dǎo)灰色預(yù)測(cè)的信息篩選,對(duì)短期汽車市場(chǎng)保有量進(jìn)行預(yù)測(cè),并根據(jù)已知數(shù)據(jù)對(duì)Logistic模型和組合模型的預(yù)測(cè)結(jié)果進(jìn)行對(duì)比,表明短期預(yù)測(cè)方面組合模型的預(yù)測(cè)精度更高,然后根據(jù)兩種模型對(duì)未來短期和中長(zhǎng)期的市場(chǎng)保有量進(jìn)行預(yù)測(cè)。根據(jù)汽車市場(chǎng)保有量與新車銷量的關(guān)系構(gòu)建保有量與銷量模型,然后結(jié)合預(yù)測(cè)得到的保有量數(shù)據(jù)對(duì)新車銷量進(jìn)行合理預(yù)測(cè)。最后以皮卡為案例對(duì)細(xì)分領(lǐng)域市場(chǎng)進(jìn)行分析,考慮皮卡市場(chǎng)前景廣闊,銷量與汽車市場(chǎng)占比呈上升趨勢(shì)的關(guān)系,構(gòu)建皮卡與整車銷量關(guān)系模型,對(duì)未來皮卡銷量進(jìn)行預(yù)測(cè),從而為政府及企業(yè)戰(zhàn)略規(guī)劃提供理論支撐。
參考文獻(xiàn)
[1] Yun C,Zhao H, Li Y. Demand Forecasting in Automotive Aftermarket? ?Based on ARMA Model[C]// International Conference on Manage -ment & Service Science. 2010.
[2] Sa-Ngasoongsong A, Bukkapatnam S T S, Kim J, et al. Multi-step sales forecasting in automotive industry based on structural relation -ship identification[J]. International Journal of Production Econo -mics, 2012, 140(2):875-887.
[3] 戴學(xué)臻,王妍,彭志鵬, et al.基于雙重Logistic曲線模型汽車保有量預(yù)測(cè)方法[J].重慶交通大學(xué)學(xué)報(bào)(自然科學(xué)版).
[4] 王棟.基于灰色關(guān)聯(lián)和BP神經(jīng)網(wǎng)絡(luò)的汽車保有量預(yù)測(cè)[J].計(jì)算技術(shù)與自動(dòng)化,2015(1):29-33.
[5] 高俊杰,謝亞南,顧豐,等.基于結(jié)構(gòu)關(guān)系識(shí)別的中國(guó)汽車銷量預(yù)測(cè)[J].大連理工大學(xué)學(xué)報(bào),2018, 58(1):92-98.
[6] 曹永立,基于網(wǎng)絡(luò)搜索數(shù)據(jù)的汽車銷量預(yù)測(cè)方法研究[D].電子科技大學(xué),2018.
[7] 任玉瓏,陳容,史樂峰.基于Logistic組合模型的中國(guó)民用汽車保有量預(yù)測(cè)[J].工業(yè)技術(shù)經(jīng)濟(jì), 2011, 30(8):90-97.
[8] 汪耘欣,焦建玲,李蘭蘭.中國(guó)民用汽車保有量的短期組合預(yù)測(cè)[J]. 合肥工業(yè)大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版), 2014, 28(5):41-48.
[9] 秦琳琳,馬國(guó)旗,儲(chǔ)著東,等.基于灰色預(yù)測(cè)模型的溫室溫濕度系統(tǒng)建模與控制[J].農(nóng)業(yè)工程學(xué)報(bào), 2016, 32(S1):233-241.
[10] 王駿.基于飽和點(diǎn)理論和銷量預(yù)測(cè)模型的國(guó)內(nèi)乘用車市場(chǎng)研判[J].上海汽車,2016(03):36-40.
[11] 李慧.皮卡汽車主要零部件故障評(píng)測(cè)系統(tǒng)研究與開發(fā)[D].南昌大學(xué),2016.