基于ARIMA模型的我國快遞業務量狀況研究

朱志鋒 肖詩雨

摘 要：本文通過Eviews8.0軟件采用時間序列分析方法，對我國快遞業務量的月度數據進行分析，建立ARIMA模型并進行參數估計及檢驗，對比Holt-Winters季節乘法模型預測結果和實際值進行誤差分析，選擇ARIMA季節乘積模型，對未來我國的快遞業務量進行預測。

關鍵詞：時間序列;快遞業務量;預測;ARIMA模型

一、引言

我國快遞行業與其他國家相比，雖然發展較晚，但近十年來發展十分迅速，自2011年以后，快遞業務量的同比增速達到了40%以上，發展速度非常迅猛;自2014年以后，中國的快遞業務量已經連續五年穩居世界第一。但是具體發展程度還很低，現在的快遞業務量還不到GDP的0.3%，與發達國家達到GDP的1%左右相比差距依然明顯。而且我國幾乎沒有研究快遞行業發展特點和規律的文獻，在國內是一個空白。因此，研究我國的快遞行業的發展特點，并尋求其發展規律，對正在發展中的中國快遞業是十分必要的。本文就我國快遞業的發展進行了相關研究，以期研究結果有一定的參考意義。

本文以2010年1月-2018年12月的快遞業務量月度數據為數據源（數據源自國家統計局網站），用求和自回歸移動平均模型（ARIMA模型）建立預測模型，對比Holt-Winters季節乘法模型預測結果和實際值進行誤差分析，選擇ARIMA季節乘積模型，對未來我國的快遞業務量進行預測，所得結果符合其發展規律。

二、基于ARIMA的快遞業務量月度數據預測模型

本文通過訪問國家統計局網站（http：//www.stats.gov.cn），獲得了2010年1月到2018年12月我國快遞業務量的月度數據，具體數據見表1所示（單位：萬件）。

2.模型的建立

（1）模型的識別

（2）模型的定階

從表2中可以發現，模型3號的模型擬合程度最優。并結合自相關函數和偏自相關函數圖，選擇3號模型，即■，確定模型階數。

（3）模型的參數估計

從圖1可以看出，可知模型最終可以表示為：

從圖10可以看出，所有系數均通過了t檢驗，擬合情況如下：

從圖3可以看出，用靜態預測擬合效果良好，得到2018年1月到12月的預測值與真實值差距很小，所以選擇該模型。

（4）模型的檢驗

從圖4可以看出，該殘差序列的Q統計量對應的p值高于的顯著性水平0.05，因此應該接受原假設，殘差序列為白噪聲序列，模型總體顯著。

3.模型的誤差分析

由于數據既有趨勢項又有季節項，建立Holt-Winters季節乘積模型對我國2018年12個月的快遞業務量進行預測，對比實際值和ARIMA模型的預測值，算出相對誤差，如表3所示。

從表3和圖5可以看出，ARIMA（1，2，1）（0，1，1）模型預測的相對誤差比Holt-Winters季節乘法模型預測的相對誤差小。

由此可見，ARIMA（1，2，1）（0，1，1）模型擬合效果較好，預測精度更高，短期預測效果較好。故選擇ARIMA（1，2，1）（0，1，1）模型，對未來我國快遞業務量進行預測分析。

4.模型的預測

擴大ARIMA模型的樣本范圍，預測2019年1月至12月我國快遞業務量的數據。如表4所示。

5.結果分析

從表3可以看出，2018年我國快遞業務量的預測值與實際值相差不大，相對誤差基本都很小，說明模型的預測效果較好。但大多數的預測值比實際值偏高，這是由于模型沒有考慮到其他相關因素的影響，僅僅只對快遞業務量進行了分析。

從表4可以看出，2019年1月至12月的預測值基本符合我國全年快遞業務量的變化規律：快遞業務量呈現出明顯的周期性，月度高峰值出現在11月，而低谷值則出現在1月或者2月。這是由于各大電商都會在11月推出聲勢浩大的“雙11購物節”，全民狂歡式網購使得快遞業務量達到頂峰;而到了年初，快遞公司由于春節到來紛紛停運，導致業務低谷的出現。

三、總結

我國快遞業務總量近十年來一直在持續不斷地高速增長，但從2017年開始增長速度開始有所放緩，而全年月度高峰值和低谷值的差距越來越大。所以，我們要研究快遞行業的發展規律，對其進行客觀、準確的預測，為相關政策的制定提供參考，使得我國快遞業能夠健康發展。

本文通過分析發現，我國快遞業務量月度數據的特點是既有增長趨勢又有季節波動，采取時間序列分析中的ARIMA季節乘積模型分析方法，建立ARIMA模型并進行參數估計及檢驗，對比Holt-Winters季節乘法模型預測結果進行比較分析，選擇ARIMA季節乘積模型，對未來我國的快遞業務量進行預測。從預測結果來看，預測效果較好，所得結果也具有一定的參考價值。

本文對快遞行業的研究只分析了快遞業務量的月度數據，還可以考慮研究快遞業務收入以及年度數據，同時也可以采取不同的軟件對我國快遞行業發展的各項指標進行預測，考慮多種不同的影響因素，減少誤差，擬合效果更好，預測精度更高。

參考文獻：

[1]褚天舒.我國快遞行業的現狀及發展趨勢[J].Business，2016（01）：247.

[2]于廣生.我國快遞業的發展現狀、解決對策及未來趨勢[J].商場現代化，2015（02）：55-57.

[3]徐希燕.中國快遞產業發展研究報告[M].中國社會科學出版社，2009.

[4]舒心萍.快遞穩居世界第一后該做些什么[N].青海日報，2018年1月15日.

[5]張迅雷，等.我國快遞服務行業的行政法律規制初探[J].北京工業職業技術學院學報，2018，17（04）：121-124.

[6]徐國祥.統計預測和決策[M].第五版.上海：上海財經大學出版社，2016.

[7]王黎明，等.應用時間序列分析[M].上海：復旦大學出版社，2009.

[8]王燕.應用時間序列分析[M].北京：中國人民大學出版社，2015.

[9]易丹輝.數據分析與Eviews應用[M].北京：中國人民大學出版社，2014.

[10]馬軍勝.加快快遞業供給側結構性改革[J].中國物流與采購，2016（07）：38.

[11]肖彤，等.我國快遞行業發展現狀、成因及對策研究[J].法制與社會，2017（23）：179-181.

[12]張靜，等.基于SARIMA模型的我國快遞業務量預測[J].現代經濟信息，2016（20）：350.

[13]程軍.我國快遞業發展對策研究[D].武漢理工大學，2004.

作者簡介：朱志鋒（1979- ），男，湖北孝昌人，博士，湖北工程學院數學與統計學院教師;肖詩雨（1997- ），女，貴州盤州人，湖北工程學院數學與統計學院學生