基于大數據與雙積分政策的產品規劃

薛海濤，包辛煜

基于大數據與雙積分政策的產品規劃

薛海濤，包辛煜*

（湖南大學 機械與運載工程學院，湖南 長沙 410082）

在整個汽車生態系統研究中，政策對于產品規劃影響巨大，車企發展的基準依托于國家政策，任何車企要想健康長久地發展，離不開國家政策的支持，因此，研究政策因素對于未來車企的發展規劃具有重要的意義，但是在傳統的新能源汽車產品規劃中，并沒有考慮政策因素的影響，因此，文章基于大數據的角度并結合國家雙積分政策開展了研究，實現了從政策角度構建利潤模型，進而提出未來的產品規劃意見。首先利用灰色時間序列函數模型對汽車銷量及產量進行預測；其次結合預測數據及國家有關于雙積分政策的相關規定建立新能源汽車雙積分政策補貼利潤模型；最后選取上汽通用五菱的代表車型五菱宏光Mini EV進行案例分析，并依據利潤模型對五菱未來新能源汽車產品提出規劃意見。通過案例分析驗證了該模型的適用性，具有一定的實用意義。

大數據；雙積分政策；灰色時間序列函數；政策補貼利潤模型；產品規劃

隨著全球新一輪科技革命和產業變革蓬勃發展[1]，汽車與能源、交通、通信等領域有關技術加速融合，新能源汽車已經成為全球汽車產業轉型發展的主要方向[2]。山德等研究者提出了三個有關美國新能源汽車產業監管政策的觀點：第一，政府部門、行業機構合作制定了新能源汽車行業監管政策；第二，限制企業的燃油車生產指標取得了良好的效果；第三，政府的資金支持與監管力度處于持續加大的狀態[3]；陳柳欽指出，美國政府對新能源汽車產業實施的優惠政策主要是稅收減免優惠與直接補貼兩種方式，并且美國政府還為汽車企業提供了低息貸款，在財政上實施優惠政策的同時堅持將嚴格監管放在第一位[4]；在稅收補貼政策上，學者張鐘允指出，日本政府的稅收補貼政策提出天然氣及電動清潔能源車輛享受與同級別燃油車差價的50%作為優惠補貼[5]；德國聯邦參議會于2017年通過了有關2030年禁止全部燃油動力車輛上路的決議，該決議體現出德國政府對于2030年實現歐盟零排放的積極態度[6]。

中國作為全球最大的汽車生產國和消費國，深入實施發展新能源汽車國家戰略[7-8]。近十年，中國政府為促進新能源汽車的產業化，制定出臺了一系列政策措施[9-10]。通過搭建新能源汽車政策評價指標與評價模型，王顯志等學者采用層次分析法針對不同類的新能源產業政策展開分析并得出結論：第一，新能源汽車的應用推廣是新能源產業發展的重要環節；第二，新能源汽車的技術研發是核心問題；第三，新能源汽車的薄弱環節是基礎設施建設；第四，新能源汽車的有效推廣方式是刺激消費者需求[11]。在良好的政策環境以及政策體系的支撐下，新能源汽車產業發展取得積極成效，建立起比較堅實的產業基礎和先發優勢。

但如何基于大數據的角度確定企業未來所能獲得的新能源汽車雙積分補貼利潤進而對企業未來汽車產品線進行配置規劃成為困擾企業的主要問題，因此具有一定的研究意義。本文將利用大數據并結合雙積分政策建立新能源汽車雙積分政策補貼利潤模型，從而利用利潤模型對新能源汽車產品進行規劃。本次研究具有一定的理論意義以及現實意義，能夠為企業未來的產品規劃提供強有力的支撐。

1 雙積分補貼政策

雙積分政策[12]是推動節能與新能源汽車產業發展的重要政策。產業目標主要是推動我國實現電動化轉型升級，實現汽車產業可持續健康發展[13]。

乘用車雙積分是指乘用車企業平均燃油消耗量（Corporate Average Fuel Consumption, CAFC）積分和新能源汽車（New Enegry Vehicle, NEV）積分。雙積分政策分為五個階段進行實施，在2019—2023年，NEV積分比例考核要求從10%，每年以2%的速度增長至18%。

CAFC積分和NEV積分均可結轉，CAFC積分只能在關聯企業中進行轉讓，NEV積分可以自由交易。當積分沒達到要求值時，CAFC積分可以采用CAFC正積分與NEV正積分進行抵償；而NEV積分只能使用NEV積分進行抵償。因此，企業產生的CAFC正積分僅能用于企業自身或關聯企業中，并不能產生其他收益；而產生的NEV正積分可以出售用于賺取利潤。

2 大數據與雙積分政策的利潤模型

新能源汽車大數據與雙積分補貼的利潤模型首先通過大數據產量模型預測企業新能源汽車及傳統燃油乘用車的產量，其次判斷企業某種車型是否滿足政策補貼條件，進而按照政策補貼的標準計算企業所能獲得的補貼金額[14-15]，并將兩者融合，從而建立有關于企業新能源汽車大數據與雙積分政策的利潤模型。

2.1 汽車大數據產量預測模型

目前關于汽車產量的預測，使用的方法主要有定性預測和定量預測兩種。本文采用定量預測中的灰色時間序列預測方法建立了汽車產量預測模型[16]。

灰色預測是一種對含有不確定因素的系統進行預測的方法，它通過對原始數據進行處理來尋找系統變動的規律，生成有較強規律性的數據序列，然后建立相應的微分方程模型，從而預測事物未來發展趨勢的狀況[17]。時間序列分析法[18]將同一變數的一組觀察值，按時間順序排列構成時間序列，運用一定的數字方法預計市場未來的發展變化趨勢，確定市場預測值。對于汽車產量的預測，由于汽車產量受諸多不確定因素的影響，其歷史數據也表明其增速的波動性明顯，因此，考慮以時間序列來構造灰色預測模型。

步驟1：建立原始時間序列的預測值

式中，為選定的研究范圍的月份代表的序號，例如第1個起始月份為1，第2個月份為2，……，以此類推；0()為第個所代表的月份某種車型的每月汽車銷量或產量，其中=1,2,...,。

步驟2：生成累加數據序列

為了消除原始序列值中極端值對預測的影響，生成累加數據序列。

式中，1()、1為累加數據序列結果。

步驟3：準光滑和指數規律檢驗

光滑比：

級比：

式中，()、()分別為光滑比、級比，通過光滑比及級比，判斷是否滿足光滑條件和指數規律，若滿足則對1建立灰色(1,1)模型。

步驟4：對1做緊鄰均值生成1

式中，1()為緊鄰均值，=2,3,...,。

步驟5：建立(1,1)模型

式中，為發展灰數；為內生控制灰數。

步驟6：最小二乘法估計參數和

（7）

步驟7：確定時間響應函數

式中，(1)(+1)為時間響應函數。

2.2 雙積分政策補貼利潤模型

NEV積分為該企業新能源汽車積分實際值與達標值之間的差額。實際值大于達標值產生正積分，實際值小于達標值產生負積分。

式中，NEV總為企業NEV的總積分值；NEV-r為企業NEV積分的實際值；NEV-sd為企業NEV積分的達標值。

其中新能源汽車積分實際值NEV-r，是指該企業在核算年度內生產或者進口的新能源乘用車各車型的積分與該車型生產量或者進口量乘積之和。

式中，NEV為企業NEV單車積分。其中純電動乘用車車型積分NEV按照下列公式進行計算：

式中，s為標準車型積分；μ為續航里程調整系數；μ為電耗調整系數；μ為能量密度調整系數。標準車型積分s與續航里程相關，具體計算公式如下：

續航里程調整系數μ與續航里程所處范圍相關，具體系數如下所示：

車型電能消耗量滿足電能消耗量目標值的，即百公里電耗實際值≤目標值，那么電耗調整系數μ為車型電能消耗量目標值除以電能消耗量實際值（上限為1.5）；其余車型μ按0.5計算。

式中，為車型電能消耗量目標值；為車型電能消耗量實際值。新能源汽車不同整備質量下，電能消耗量目標值計算公式如下：

能量密度調整系數μ與電池系統能量密度（Wh/kg）相關，具體系數如下所示：

新能源汽車積分達標值是指該企業在核算年度內傳統能源乘用車的生產量或者進口量，與新能源汽車積分比例要求的乘積。

式中，FV為傳統乘用車產量；為NEV積分比例要求。

式中，NEV為NEV積分補貼金額，為NEV積分的單價。按中汽中心對2020年NEV積分交易價格預測值進行測算，目前NEV積分為2300元/分。

2.3 大數據與雙積分政策的利潤模型

新能源汽車利潤計算公式為

式中，為企業某款新能源汽車的總利潤；M為企業某款新能源汽車銷售部分的利潤；M為政府政策對企業某款新能源車補貼部分的利潤。其中M由車型的銷量與定價相乘進行求解；M是將政府政策對某款車的補貼相加進行求解。

式中，為企業某款新能源汽車銷量；為企業某款新能源汽車產品定價。

M=MNEV新能源購置（21）

政府政策對企業某款新能源車補貼部分利潤M是由NEV積分政策補貼利潤NEV與新能源汽車購置補貼政策利潤兩部分組成。

3 上汽通用五菱案例分析

本文選取續航里程低于300 km的五菱宏光Mini EV進行研究。

3.1 五菱宏光Mini EV產量預測

首先整理五菱宏光Mini EV自上市以來產量數據，如表1所示。

表1 五菱宏光Mini EV 2020.06－2021.11產量數據　 單位：輛

年份產量數據 2020年4月5月6月 1 075 7月8月9月 7 37715 02220 186 10月11月12月 23 78028 26532 111 2021年1月2月3月 36 77920 17939 771 4月5月6月 29 27326 77430 119 7月8月9月 26 93041 20235 190 10月11月12月 39 15045 604

按照上述模型計算，可得到預測產量模型圖，如圖1所示。

通過上述產量預測圖可以預測五菱宏光Mini EV2022年每月產量，如表2所示。

通過表2預測數據，可以預測出五菱宏光Mini EV2022年全年產量。

3.2 傳統燃油乘用車產量預測

首先整理五菱傳統燃油乘用車2018—2020年的產量數據，如表3所示。

圖1 五菱宏光Mini EV產量預測圖

表2 五菱宏光Mini EV 2022產量預測數據 單位：輛

年份產量數據 2022年1月2月3月 34 65321 36735 467 4月5月6月 25 68921 32530 765 7月8月9月 27 65440 76539 823 10月11月12月 38 74342 13645 289

表3 五菱傳統燃油乘用車2018－2020年產量數據 單位：輛

年份產量數據 2018年1月2月3月 178 315145 033181 732 4月5月6月 140 317132 082112 515 7月8月9月 89 25585 013108 289 10月11月12月 102 546106 922163 300 2019年1月2月3月 161 29175 167127 802 4月5月6月 79 47652 36946 475 7月8月9月 67 20383 00096 283 10月11月12月 129 242130 869133 099 2020年1月2月3月 53 8983 22428 709 4月5月6月 58 49560 86757 527 7月8月9月 64 45168 11193 869 10月11月12月 95 783113 731119 426

由表3數據按照步驟進行產量預測，預測模擬圖如圖2所示。

圖2 傳統燃油乘用車產量預測圖

通過上述產量預測圖可以預測傳統燃油乘用車2022年每月產量，如表4所示。

表4 傳統燃油乘用車2022年產量預測（輛）

年份產量數據 2022年1月2月3月 63 7456 02329 308 4月5月6月 59 23658 76353 005 7月8月9月 62 01770 32498 652 10月11月12月 92 35898 765154 323

通過上表預測數據，可以預測出五菱傳統燃油乘用車2022年全年產量。

3.3 政策補貼利潤

五菱宏光Mini EV基本參數如下所示：= 120/170 km；=665/700 kg；=9.3/13.8 kW.h。

按照式（9）—式（18）計算五菱宏光Mini EV的NEV積分利潤，具體計算過程如下所示：

當= 120 km；=665 kg；=9.3 kW.h時，補貼利潤計算如下所示：

1）計算五菱宏光Mini EV單車積分

NEV五菱宏光MiniEV

s=1，μ=0.7

2）計算五菱宏光Mini EV的NEV積分實際值：

NEV-r五菱宏光MiniEV

4）計算五菱宏光Mini EV的NEV積分

5）計算五菱宏光Mini EV的NEV積分利潤

6）五菱宏光Mini EV補貼總利潤即為NEV積分的補貼利潤

當= 170 km；=700 kg；=13.8 kW.h時，補貼利潤計算如下所示：

1）計算五菱宏光Mini EV單車積分

NEV五菱宏光MiniEV

2）計算五菱宏光Mini EV的NEV積分實際值：

NEV-r五菱宏光MiniEV

4）計算五菱宏光Mini EV的NEV積分

5）計算五菱宏光Mini EV的NEV積分利潤

6）五菱宏光Mini EV補貼總利潤即為NEV積分的補貼利潤：

3.4 規劃意見

通過對上汽通用五菱的五菱宏光Mini EV代表車型以及產量預測圖的分析，可得出未來1－2年新能源汽車依舊是發展的重點，我們可以提出未來企業新能源汽車規劃的意見，上汽通用五菱未來1－2年應該在市場基本情況不變的前提下：

1）在國家政策繼續補貼的情況下，上汽通用五菱應該盡可能地生產航里程大于300 km的新能源汽車，以便符合國家的政策趨勢導向，順應國家發展規劃，獲得較多的補貼。

2）在國家政策補貼退坡的情況下，上汽通用五菱應盡可能考慮市場情況，在城市中低續航能力新能源汽車足以滿足消費者基本出行需求。因此，五菱應多生產低續航能力車型，同時開發新車型，盡快打入市場。

4 小結

本文主要從雙積分政策的角度探討了企業利潤的問題。為了研究企業未來新能源汽車雙積分政策補貼利潤，選取五菱宏光Mini EV新能源車進行研究。首先通過灰色時間序列預測回歸模型預測選定車型下一年的產量數據；第二，通過預測的產量數據與雙積分政策補貼建立聯系，計算選定車型雙積分政策下的補貼利潤。本文在一定程度上建立了針對新能源汽車的雙積分政策補貼利潤模型，補貼利潤模型的構建為后續新能源汽車產品規劃提供了方向，根據利潤模型，可以得出未來一段時間內新能源汽車產品如何配置，進而完成汽車產品生態研究中的產品規劃。

[1] 于永初.《節能與新能源汽車技術路線圖2.0》引領中國汽車產業發展[J].汽車工藝師, 2020(11):20-22.

[2] 許興華,陳晨.新能源汽車"變革"中加速[J].英才, 2021(8):46-49.

[3] 山德,孟東暉,李顯君.美國新能源汽車發展及相關政策[J].汽車工業研究, 2014(6):5-11.

[4] 陳柳欽.美國新能源汽車發展政策走向[J].時代汽車, 2011(9):30-34.

[5] 張鐘允,李春利.日本新能源汽車的相關政策與未來發展路徑選擇[J].現代日本經濟,2015(5):71-86.

[6] 陳翌,孔德洋.德國新能源汽車產業政策及其啟示[J].德國研究, 2014(1):71-81.

[7] 鞏若琳,李文琦.《中國制造2025》背景下新能源汽車產業發展現狀及前景研究[J].商訊,2020(10):29- 30.

[8] 袁妮,張振鼎,房旭.新形勢下我國新能源汽車政策現狀與發展趨勢研究[J].時代汽車, 2021(5):93-94.

[9] 彭華.中外新能源汽車政策模式比較[J].2021(2019- 4):86-108.

[10] 李英艷,黃體允.新能源汽車產業政策研究[J].合作經濟與科技,2020(18):11-13.

[11] 王顯志,郭宏偉,王武宏.基于層次分析法的新能源汽車產業政策評價[J].道路交通與安全,2015,15(1): 41-46.

[12] 夏靖武,王紅學,陳林.我國汽車"雙積分政策"的影響及發展趨勢研究[J].時代汽車, 2020(15):64-65.

[13] 張國振,錢立運.我國乘用車雙積分政策研究[J].時代汽車,2020(9):10-11.

[14] 鄭吉川,趙驊,李志國.雙積分政策下新能源汽車產業研發補貼研究[J].科研管理,2019(2):126-133.

[15] 崔衛國.基于雙積分政策的一種評估積分價值的方法[J].上海汽車,2021(5):19-23.

[16] 楊月英,馬萍.基于灰色時間序列預測中國汽車銷量[J].湖州職業技術學院學報,2012,10(1):5-7.

[17] 王慶慶,李謀濤,張星杰.基于灰色預測GM(1,1)模型的體育彩票銷量預測[J].黃山學院學報,2018,20(3): 105-109.

[18] 羅佳佳.基于Matlab的達能餅干銷量預測分析[J]. 長沙大學學報,2013,27(2):115-116.

Product Planning Based on Big Data and Double Points Policy

XUE Haitao, BAO Xinyu*

( College of Mechanical and Vehicle Engineering, Hunan University, Changsha 410082, China )

Across the entire automotive ecosystem, policy has a huge impact on product planning. The benchmark for the development of vehicle companies relies on national policies. If any vehicle company wants to develop healthily and long-term, it is inseparable from the support of national policies. Therefore, the study of policy factors is of great significance for the development planning of future car companies.However, in traditional new energy vehicle product planning, the impact of policy factors is not considered.Therefore, this paper conducts research based on the perspective of big data and combine with the national double-point policy, realizes the construction of a profit model from a policy perspective, and then puts forward future product planning opinions.Firstly, use the grey time series function model to forecast the sales and production of vehicles;Secondly, combine with the forecast data and the relevant national regulations on the double-point policy, establish a new energy vehicle double-point policy subsidy profit model;Finally, the representative model of SAIC-GM-Wuling Wuling Hongguang Mini EV is selected for case analysis,and based on the profit model, it puts forward planning opinions on Wuling's future new energy vehicle products.The applicability of the model is verified by case analysis, which has certain practical significance.

Big data; Double points policy; Grey time series function; Policy subsidy profit model; Product planning

U461.99；F542

A

1671-7988(2023)12-196-07

薛海濤（1982－），男，博士，高級工程師，研究方向為汽車產業大數據，E-mail:haitao.xue@sgmw.com.cn。

包辛煜（1998－），女，碩士，研究方向為汽車產業發展，E-mail:bxy0330042310@163.com。

10.16638/j.cnki.1671-7988.2023.012.037