中國汽車市場預測及細分領域市場案例分析

歐鵬飛，馮乾隆

摘 要：文章主要通過Logistic與灰色理論構建汽車市場保有量的組合預測模型，并與單獨使用Logistic模型進行對比，驗證了組合預測模型在預測市場保有量上更為精確，然后根據模型預測得到未來汽車保有量情況。結合保有量與銷量的關系構建兩者關系模型，并對汽車市場銷量進行預測。最后以皮卡為案例對細分領域市場進行分析，預測得到細分市場的市場銷量，從而為政府及企業決策提供理論依據。關鍵詞：組合預測模型;汽車保有量;市場銷量;預測中圖分類號：U461 ?文獻標識碼：A ?文章編號：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

點擊并拖拽以移動點擊并拖拽以移動受近幾年經濟結構調整與消費市場周期性萎縮的負面影響，2018年中國汽車市場銷量出現28年來首次下滑，但根據統計數據可知，我國汽車保有量依然保持較快增長，且增長空間明顯。汽車保有量的持續增長將可能引起交通擁堵、能源危機、環境污染等一系列問題，因此提前準確預測汽車保有量，針對性綜合施策，對我國汽車工業發展、基礎設施布局及智慧交通構建等都具有前瞻實際意義。此外，通過汽車保有量的預測，得到未來汽車銷量預估值，將為車企戰略與結構調整提供參考依據，對可持續發展戰略具有重要意義[1-2]。目前，現有理論研究中對汽車細分領域的研究相對較少，作為整體汽車大市場的基本組成單元，細分領域的市場銷量更受汽車行業從業者的關注，明確細分市場的需求空間及銷量預期，對國家細分領域的政策制定提供可靠的數據支撐，為企業未來產業投資、戰略調整及產業鏈優化提供重要參考價值，也將對基礎設施的合理布局提供相應的市場保障，有利于汽車市場的良性競爭與發展。

戴學臻等[3]等考慮人口戶數對汽車保有量的影響，通過雙重Logistic模型對汽車市場進行預測，此方法存在長期走勢準確但短期預測精度較低的問題;王棟[4]采用神經網絡方法，結合人口總量、城市化率等因素，綜合預測汽車保有量，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據，因此也未能預測未來汽車保有量情況;高俊杰等[5]通過結構關系識別預測汽車銷量情況，但汽車銷量與市場保有量、人口因素結合較為緊密，因此僅僅通過歷史銷量數據較難準確得到未來市場銷量;曹永立[6]基于網絡搜索數據的方法預測未來汽車銷量，主要通過獲取網絡信息數據預測汽車銷量，缺少嚴謹的理論支撐。

本文主要通過Logistic模型預測長期汽車的保有量情況，加入灰色預測模型，通過組合預測算法預測短期汽車保有量情況，并利用已知數據與預測模型進行比較，得出采用組合預測模型預測的短期汽車銷量具有更高精度;此外，根據已知汽車保有量與銷量數據，建立保有量與銷量模型，預測得到未來汽車市場銷量情況;最后以皮卡市場為研究對象，通過細分領域銷量與整體市場銷量的關系，預測細分領域的市場情況，為政府及企業的戰略決策提供理論依據。

1 汽車市場保有量預測

1.1 Logistic保有量預測

1.1.1 Logistic模型分析

考慮到環境、資源、人口等條件的約束，汽車保有量不會無限制增長，一般認為保有量在實現較快增長后將趨于平緩，并最終穩定在最大飽和值，表現為S型增長形式[7]。而Logistic模型主要用于描述有界S型曲線增長現象，由于其設計思路簡單、易于實現，因此已在生物學、預測科學、經濟學、人工智能等領域得到廣泛應用，本文也主要應用Logistic模型預測汽車保有量。Logistic模型微分方程如式（1）所示。

點擊并拖拽以移動 ? ? ? ? ? ? ? ? ? ? ? ? ? ?（1）

式中，N（t）為t時刻汽車保有量，M為汽車最大保有量，a為常數。求解式（1）可得：

點擊并拖拽以移動 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（2）

式中，點擊并拖拽以移動，為汽車保有量與所允許的最大保有量之比;b為常數。

Logistic曲線如圖1所示，曲線斜率表示汽車保有量的增長率，在0.2N-0.8N范圍內保有量呈現出近似直線的快速增長，0.5N時增長速度達到最大，0.8N之后增長逐漸放緩并趨于穩定[8]。

點擊并拖拽以移動

圖1 ?Logistic曲線圖

在分析汽車保有量之前，需驗證保有量增長是否符合Logistic曲線形式。本文根據中國統計年鑒統計數據，選取1990-2018年數據通過MATLAB進行擬合，得到擬合結果如圖2所示。

點擊并拖拽以移動

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，且擬合優度R2=0.9968，因此可以使用Logistic模型分析我國汽車保有量增長情況。

汽車保有量與我國人口數量有較大關系，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測偏差，本文采用千人汽車保有量數據來排除人口數量的干擾。由式（1）（2）通過回歸分析計算可得：

點擊并拖拽以移動 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （3）

點擊并拖拽以移動 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（4）

因此，點擊并拖拽以移動與時間t表現為線性關系，即對應圖1中P為0.2-0.8范圍內的數據。因此，在ln0.25至ln4區間內，增長量與時間t近似為線性關系。

1.1.2 最大千人汽車保有量確定

截至2018年，我國千人汽車保有量為166輛/千人，低于世界平均水平的206輛/千人，且遠低于日本的590輛/千人和美國的800輛/千人。隨著我國經濟的平穩發展以及人民需求的不斷提升，預計千人汽車保有量將繼續實現快速增長。在家庭觀念濃厚的中國，若單獨以人口基數作為汽車保有量的參考因素，會由于基數過大致使預判產生較大誤差，因此應將戶均機動車保有量作為重要參考條件。

研究表明，我國汽車增長速度表現為由高到低，并逐漸趨向緩和的發展規律，當戶均汽車達到1.4輛/戶左右，機動車保有量將趨于平穩?？紤]到我國家庭人口數逐年減少，人口老齡化日益嚴峻，且城市公共交通規模逐漸完善，本文保守估計戶均汽車最大保有量為1.3/戶輛。根據中國統計年鑒數據顯示，截至2018年，我國人口數達到13.95億人，而戶均人口數逐年減少，并逐漸穩定在3.2人/戶，因此本文取3.2人/戶作為戶均人口數飽和值。根據以上數據，計算得到我國千人汽車保有量約為406.25輛/千人，與2019年國家信息中心預測的千人汽車最大保有量為400輛/千人到450輛/千人一致。為便于計算，本文選取我國千人汽車最大保有量為406輛/千人

1.1.3 Logistic模型參數預測

本文根據國家統計局1990-2017年汽車保有量、人口總數數據，計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，及點擊并拖拽以移動數值如表1所示。

表1 ?我國汽車保有量統計及計算數據

點擊并拖拽以移動

根據前文分析可知，在P為0.2-0.8范圍內，點擊并拖拽以移動與時間t基本呈線性關系，結合圖2保有量擬合結果圖，本文選取2000-2015年數據，對 點擊并拖拽以移動與時間t進行擬合，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a、b的值分別為0.1777和-3.753。

點擊并拖拽以移動

圖3 ?二次擬合結果

點擊并拖拽以移動 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（5）

為驗證Logistic模型的預測精度，本文通過模型對2016-2018年汽車保有量進行預測，并與真實值進行對比，得到預測值與真實值數據如表2所示。

表2 ?Logistic模型汽車保有量預測值與實際值對比

點擊并拖拽以移動

由結果可知，采用Logistic模型較好得擬合了我國汽車保有量的發展趨勢，相對誤差較小，因此預測精度相對較高。因P值在0.2-0.8范圍內汽車保有量實現快速增長，當P值大于0.8時，保有量增速將逐漸放緩，并逐漸達到飽和。由式（5）可知，當P取值0.8時，t=29，即預計汽車保有量增速將在2029年達到45472萬輛后逐漸放緩，預計2030年保有量將達到48300萬輛，當保有量達到5.6億輛時趨向飽和。

考慮到Logistic模型過多地考慮了歷史信息，會由于較早數據的干擾致使未來預測產生偏差，且預測過程中，僅僅以歷史數據為依據，將來預測結果不參與模型的計算過程，因此預測適應性存在局限，存在近期數據預測精度較低等問題?；谝陨峡紤]，本文加入灰色模型，采用與Logistic模型組合的方法，進一步提高模型對近期數據的預測精度。

1.2 Logistic與灰色模型組合預測

1.2.1 灰色預測模型建立

由表1可知，近幾年保有量比值P位于0.2-0.8范圍內，表明我國汽車保有量正處于快速增長期。選取增長期內某一段時間內保有量數據作為原始樣本序列x（0）={x（0）（1）， x（0）（2），…， x（0）（k）}，建立GM（1，1）灰色預測模型。對原始數據通過式（6）做累加得到累加序列x（1）={x（1）（1）， x（1）（2），…，x（1）（k）}。

點擊并拖拽以移動 ? ? ? ? ? ? ? ? ? ? ? ?（6）

對x（1）內相鄰序列通過式（7）求均值，得到均值序列z（1）= {z（1）（2）， z（1）（3），…，z（1）（k）}

點擊并拖拽以移動 ? ? ? ? ? ? ? ?（7）

GM（1，1）的白化微分方程為：

點擊并拖拽以移動 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （8）

方程的響應為：

點擊并拖拽以移動 ? ? ? ? ? ? ? ? ? ? ?（9）

式中，u和v為待定參數變量。令點擊并拖拽以移動，則GM（1，1）模型點擊并拖拽以移動的最小二乘估計參數滿足點擊并拖拽以移動，且

點擊并拖拽以移動

因此求得模型的預測值為[9]：

點擊并拖拽以移動 ? ? ? ? ? ? ? ?（10）

1.2.2 組合預測模型設計

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，增長速度最快，因此選取2010-2015年保有量作為原始序列x（0）。將數據帶入模型，由MATLAB計算得到參數u=-0.135，v=7720.99，因此得到預測模型如式（11）所示。

點擊并拖拽以移動 ? ? ? ? ? ? ? ? ?（11）

為判斷模型的預測精度，本文對2016-2018年保有量數據進行預測，并與實際保有量進行對比，如表3所示。

表3 ?組合預測模型保有量預測值與實際值對比

點擊并拖拽以移動

由對比結果可知，組合預測法得到的預測汽車保有量較好地接近實際保有量值，相對誤差絕對值控制在1%內，預測精度較高。表4所示為Logistic模型與組合預測模型得到的預測結果相對誤差，相比之下，采用組合預測法得到的預測保有量與實際保有量更接近，相對誤差更小。因此采用組合預測法可更好的預測我國未來汽車保有量及發展趨勢。

表4 ?兩種預測方案相對誤差對比

點擊并拖拽以移動

1.3 未來汽車保有量預測

根據上述分析，本文采用組合預測模型預測我國未來汽車保有量。為了保證預測結果更精確，參考圖1在2010年之后汽車保有量基本呈線性快速增長的趨勢，為充分利用近幾年的數據，本節選取2012-2017年汽車銷量帶入組合模型重新預測，得到預測公式如式（12）所示。

點擊并拖拽以移動 ? ? ? ? ? ? ? ? ?（12）

根據預測模型，預測未來四年汽車保有量如表5所示。

根據上述分析，本文預測汽車將在2022年保有量達到35144.73萬輛，2029年保有量達到45472萬輛后增速逐漸放緩，當保有量達到5.6億輛時達到飽和。

2 汽車銷量預測

根據歐美等發達汽車發展歷程中保有量與銷量的關系可以看出，當汽車保有量達到飽和點時，保有量與銷量將近似呈現出“勺形”特性[10]，即保有量在飽和點附近上下波動，且波動變化不大，汽車銷量在達到飽和點前將出現峰值，當達到飽和點后銷量將出現下降趨勢。為了得到較大范圍內汽車銷量與保有量的關系，本文結合現有汽車銷量與保有量的關系及預估得到的未來汽車保有量來預測未來汽車銷量，表6所示為2004-2017年汽車保有量與銷量數據。首先對未來特定年份汽車銷量進行預測，考慮到汽車平均報廢周期為14年，參考表6保有量與汽車銷量的發展規律發現，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年前汽車銷量數據，因此可預估得到2025年和2029年幾個特征年份汽車銷量。根據以上數據，得到汽車保有量與銷量如圖4所示，兩者關系如式（13）所示，預測得到的未來幾年汽車銷量數據如表7所示。

3 細分領域皮卡銷量預測

本文以皮卡為例，結合預測的汽車銷量情況預測細分領域市場。皮卡作為汽車車型重要組成部分，占有舉足輕重的市場份額，特別在我國中西部人口較稀疏的地區，由于皮卡具有裝載能力強、動力性足、通過性好、乘坐舒適等優點，受到廣泛青睞。此外，隨著我國區域用車市場的逐步細化，皮卡也逐漸向舒適、安全、科技、高端等方向發展，在皮卡市場解禁政策及先天優勢的推動下，皮卡市場呈現高速上揚態勢，銷量及保有量將繼續保持高速增長，市場規模將進一步擴大[11]。

表8所示為近年來皮卡銷量與汽車整體銷量占比關系，由占比數據可以看出，近幾年皮卡銷量市場份額占有率變化較為平穩且波動較小，因此可以通過整體市場銷量預測未來皮卡市場情況。若銷量占比預測合理，則得到的皮卡銷量也將在合理范圍內。

根據分析可知，在2018年汽車行業面臨28年來首次負增長的“寒冬期”，皮卡依然實現9.3%高速增長，成為近年來汽車市場中銷量增長最為迅猛的單一車型，與使用場景較為相似的MPV形成了鮮明對比。進入2019年，皮卡市場繼續保持高歌猛進增長態勢，1-6月同比增長12.4%，出現工業銷量下跌、終端銷量上漲的現象。皮卡市場實現快速增長，與部分試點城市取消皮卡反光條、噴字、營運證辦理、城市限行等政策息息相關，隨著汽車消費觀念的升級，消費者對皮卡的認知更加全面，以及預期未來利好政策試點城市的增加及解禁政策的推廣，再加之政府及消費者對新能源皮卡的認可，皮卡汽車將迎來廣闊的市場空間。參考美國、澳大利亞、泰國等地區皮卡占據整車市場份額的16%、19.5%、40%，中國和美國同樣為幅員遼闊的汽車大國，因此中國皮卡市場依然潛力巨大。

考慮到皮卡的潛在用戶主要分為市政、企業和普通消費者，政府及企業的應用場景主要包括電力、石油、城市綠化、道路救援、城市管理、消防救災等基礎設施建設運營及后勤保障等方面，因此皮卡的銷量與城市化的建設具有較大關聯。圖5所示為近年來我國皮卡銷量與城市化率情況，除2014-2015年受市場波動皮卡銷量有所下降外，整體皮卡市場與城市化率基本呈現正相關關系。隨著未來經濟的穩定發展及城市化率的提升，基建設施及后勤保障將進一步擴大，會進一步帶動皮卡市場的發展。在文化大交融及皮卡趨向智能、舒適、電動及高端化的影響下，皮卡不再單單以低端的商用場景出現在人們的視野，其優秀的駕駛體驗、乘坐舒適性將逐漸深入人心，也將拉動皮卡市場的發展。此外，政策上2020年地級及以下城市將全部取消皮卡進城限制，且解禁政策試點城市有望普及全國，因此本文對皮卡市場持樂觀態勢，預期近幾年市場占有率將持續增長，并隨著占有量的增多逐漸趨于緩和。但考慮到未來經濟增長幅度及政策拉動的不確定性，因此本文給出保守與樂觀兩種預測結果。若經濟增長較緩，則市場銷量將受到較大限制，此種情況保守預測2029年皮卡市場銷量占有率為3%;若經濟發展依然較快且市場開放明顯，則樂觀估計2029年市場銷量占有率將實現5%。根據歷年銷量數據和近幾年市場將持續走高的預期以及上述市場占有率預測值，預計未來皮卡市場銷量占比區間如圖6所示。

根據前述預測得到的汽車銷量數據以及皮卡的市場占比，預測2020年皮卡銷量約為55-66萬輛，2025年銷量將達到100-160萬輛。預測未來幾年得皮卡銷量區間如圖7所示。

4 結論

本文主要通過Logistic模型對我國汽車保有量發展趨勢進行分析，并預測長期汽車保有量的增長空間;通過Logistic數據分析指導灰色預測的信息篩選，對短期汽車市場保有量進行預測，并根據已知數據對Logistic模型和組合模型的預測結果進行對比，表明短期預測方面組合模型的預測精度更高，然后根據兩種模型對未來短期和中長期的市場保有量進行預測。根據汽車市場保有量與新車銷量的關系構建保有量與銷量模型，然后結合預測得到的保有量數據對新車銷量進行合理預測。最后以皮卡為案例對細分領域市場進行分析，考慮皮卡市場前景廣闊，銷量與汽車市場占比呈上升趨勢的關系，構建皮卡與整車銷量關系模型，對未來皮卡銷量進行預測，從而為政府及企業戰略規劃提供理論支撐。

參考文獻

[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] 戴學臻，王妍，彭志鵬， et al.基于雙重Logistic曲線模型汽車保有量預測方法[J].重慶交通大學學報（自然科學版）.

[4] 王棟.基于灰色關聯和BP神經網絡的汽車保有量預測[J].計算技術與自動化，2015（1）：29-33.

[5] 高俊杰，謝亞南，顧豐，等.基于結構關系識別的中國汽車銷量預測[J].大連理工大學學報，2018， 58（1）：92-98.

[6] 曹永立，基于網絡搜索數據的汽車銷量預測方法研究[D].電子科技大學，2018.

[7] 任玉瓏，陳容，史樂峰.基于Logistic組合模型的中國民用汽車保有量預測[J].工業技術經濟， 2011， 30（8）：90-97.

[8] 汪耘欣，焦建玲，李蘭蘭.中國民用汽車保有量的短期組合預測[J]. 合肥工業大學學報（社會科學版）， 2014， 28（5）：41-48.

[9] 秦琳琳，馬國旗，儲著東，等.基于灰色預測模型的溫室溫濕度系統建模與控制[J].農業工程學報， 2016， 32（S1）：233-241.

[10] 王駿.基于飽和點理論和銷量預測模型的國內乘用車市場研判[J].上海汽車，2016（03）：36-40.

[11] 李慧.皮卡汽車主要零部件故障評測系統研究與開發[D].南昌大學，2016.