中国汽车市场预测及细分领域市场案例分析

欧鹏飞，冯乾隆

摘 要：文章主要通过Logistic与灰色理论构建汽车市场保有量的组合预测模型，并与单独使用Logistic模型进行对比，验证了组合预测模型在预测市场保有量上更为精确，然后根据模型预测得到未来汽车保有量情况。结合保有量与销量的关系构建两者关系模型，并对汽车市场销量进行预测。最后以皮卡为案例对细分领域市场进行分析，预测得到细分市场的市场销量，从而为政府及企业决策提供理论依据。关键词：组合预测模型;汽车保有量;市场销量;预测中图分类号：U461  文献标识码：A  文章编号：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

點击并拖拽以移动点击并拖拽以移动受近几年经济结构调整与消费市场周期性萎缩的负面影响，2018年中国汽车市场销量出现28年来首次下滑，但根据统计数据可知，我国汽车保有量依然保持较快增长，且增长空间明显。汽车保有量的持续增长将可能引起交通拥堵、能源危机、环境污染等一系列问题，因此提前准确预测汽车保有量，针对性综合施策，对我国汽车工业发展、基础设施布局及智慧交通构建等都具有前瞻实际意义。此外，通过汽车保有量的预测，得到未来汽车销量预估值，将为车企战略与结构调整提供参考依据，对可持续发展战略具有重要意义[1-2]。目前，现有理论研究中对汽车细分领域的研究相对较少，作为整体汽车大市场的基本组成单元，细分领域的市场销量更受汽车行业从业者的关注，明确细分市场的需求空间及销量预期，对国家细分领域的政策制定提供可靠的数据支撑，为企业未来产业投资、战略调整及产业链优化提供重要参考价值，也将对基础设施的合理布局提供相应的市场保障，有利于汽车市场的良性竞争与发展。

戴学臻等[3]等考虑人口户数对汽车保有量的影响，通过双重Logistic模型对汽车市场进行预测，此方法存在长期走势准确但短期预测精度较低的问题;王栋[4]采用神经网络方法，结合人口总量、城市化率等因素，综合预测汽车保有量，但由于采用大量已知影响因素，并未得到未来影响因素的数据，因此也未能预测未来汽车保有量情况;高俊杰等[5]通过结构关系识别预测汽车销量情况，但汽车销量与市场保有量、人口因素结合较为紧密，因此仅仅通过历史销量数据较难准确得到未来市场销量;曹永立[6]基于网络搜索数据的方法预测未来汽车销量，主要通过获取网络信息数据预测汽车销量，缺少严谨的理论支撑。

本文主要通过Logistic模型预测长期汽车的保有量情况，加入灰色预测模型，通过组合预测算法预测短期汽车保有量情况，并利用已知数据与预测模型进行比较，得出采用组合预测模型预测的短期汽车销量具有更高精度;此外，根据已知汽车保有量与销量数据，建立保有量与销量模型，预测得到未来汽车市场销量情况;最后以皮卡市场为研究对象，通过细分领域销量与整体市场销量的关系，预测细分领域的市场情况，为政府及企业的战略决策提供理论依据。

1 汽车市场保有量预测

1.1 Logistic保有量预测

1.1.1 Logistic模型分析

考虑到环境、资源、人口等条件的约束，汽车保有量不会无限制增长，一般认为保有量在实现较快增长后将趋于平缓，并最终稳定在最大饱和值，表现为S型增长形式[7]。而Logistic模型主要用于描述有界S型曲线增长现象，由于其设计思路简单、易于实现，因此已在生物学、预测科学、经济学、人工智能等领域得到广泛应用，本文也主要应用Logistic模型预测汽车保有量。Logistic模型微分方程如式（1）所示。

点击并拖拽以移动                            （1）

式中，N（t）为t时刻汽车保有量，M为汽车最大保有量，a为常数。求解式（1）可得：

点击并拖拽以移动                                  （2）

式中，點击并拖拽以移动，为汽车保有量与所允许的最大保有量之比;b为常数。

Logistic曲线如图1所示，曲线斜率表示汽车保有量的增长率，在0.2N-0.8N范围内保有量呈现出近似直线的快速增长，0.5N时增长速度达到最大，0.8N之后增长逐渐放缓并趋于稳定[8]。

点击并拖拽以移动

图1  Logistic曲线图

在分析汽车保有量之前，需验证保有量增长是否符合Logistic曲线形式。本文根据中国统计年鉴统计数据，选取1990-2018年数据通过MATLAB进行拟合，得到拟合结果如图2所示。

点击并拖拽以移动

图2  汽车保有量Logistic拟合曲线

由图可知，汽车保有量具有较好的Logistic拟合效果，且拟合优度R2=0.9968，因此可以使用Logistic模型分析我国汽车保有量增长情况。

汽车保有量与我国人口数量有较大关系，人口增量是影响汽车保有量的重要因素，为了消除人口不确定性带来的预测偏差，本文采用千人汽车保有量数据来排除人口数量的干扰。由式（1）（2）通过回归分析计算可得：

点击并拖拽以移动                                     （3）

点击并拖拽以移动                                  （4）

因此，点击并拖拽以移动与时间t表现为线性关系，即对应图1中P为0.2-0.8范围内的数据。因此，在ln0.25至ln4区间内，增长量与时间t近似为线性关系。

1.1.2 最大千人汽车保有量确定

截至2018年，我国千人汽车保有量为166辆/千人，低于世界平均水平的206辆/千人，且远低于日本的590辆/千人和美国的800辆/千人。随着我国经济的平稳发展以及人民需求的不断提升，预计千人汽车保有量将继续实现快速增长。在家庭观念浓厚的中国，若单独以人口基数作为汽车保有量的参考因素，会由于基数过大致使预判产生较大误差，因此应将户均机动车保有量作为重要参考条件。

研究表明，我国汽车增长速度表现为由高到低，并逐渐趋向缓和的发展规律，当户均汽车达到1.4辆/户左右，机动车保有量将趋于平稳。考虑到我国家庭人口数逐年减少，人口老龄化日益严峻，且城市公共交通规模逐渐完善，本文保守估计户均汽车最大保有量为1.3/户辆。根据中国统计年鉴数据显示，截至2018年，我国人口数达到13.95亿人，而户均人口数逐年减少，并逐渐稳定在3.2人/户，因此本文取3.2人/户作为户均人口数饱和值。根据以上数据，计算得到我国千人汽车保有量约为406.25辆/千人，与2019年国家信息中心预测的千人汽车最大保有量为400辆/千人到450辆/千人一致。为便于计算，本文选取我国千人汽车最大保有量为406辆/千人

1.1.3 Logistic模型参数预测

本文根据国家统计局1990-2017年汽车保有量、人口总数数据，计算得到历年千人汽车保有量F、历年千人汽车保有量与最大千人汽车保有量比值P，及点击并拖拽以移动数值如表1所示。

表1  我国汽车保有量统计及计算数据

点击并拖拽以移动

根据前文分析可知，在P为0.2-0.8范围内，点击并拖拽以移动与时间t基本呈线性关系，结合图2保有量拟合结果图，本文选取2000-2015年数据，对 点击并拖拽以移动与时间t进行拟合，如图3所示，得到拟合公式如式（5）所示。因此得到式（4）中参数a、b的值分别为0.1777和-3.753。

点击并拖拽以移动

图3  二次拟合结果

点击并拖拽以移动                              （5）

为验证Logistic模型的预测精度，本文通过模型对2016-2018年汽车保有量进行预测，并与真实值进行对比，得到预测值与真实值数据如表2所示。

表2  Logistic模型汽车保有量预测值与实际值对比

点击并拖拽以移动

由结果可知，采用Logistic模型较好得拟合了我国汽车保有量的发展趋势，相对误差较小，因此预测精度相对较高。因P值在0.2-0.8范围内汽车保有量实现快速增长，当P值大于0.8时，保有量增速将逐渐放缓，并逐渐达到饱和。由式（5）可知，当P取值0.8时，t=29，即预计汽车保有量增速将在2029年达到45472万辆后逐渐放缓，预计2030年保有量将达到48300万辆，当保有量达到5.6亿辆时趋向饱和。

考虑到Logistic模型过多地考虑了历史信息，会由于较早数据的干扰致使未来预测产生偏差，且预测过程中，仅仅以历史数据为依据，将来预测结果不参与模型的计算过程，因此预测适应性存在局限，存在近期数据预测精度较低等问题。基于以上考虑，本文加入灰色模型，采用与Logistic模型组合的方法，进一步提高模型对近期数据的预测精度。

1.2 Logistic与灰色模型组合预测

1.2.1 灰色预测模型建立

由表1可知，近几年保有量比值P位于0.2-0.8范围内，表明我国汽车保有量正处于快速增长期。选取增长期内某一段时间内保有量数据作为原始样本序列x（0）={x（0）（1）， x（0）（2），…， x（0）（k）}，建立GM（1，1）灰色预测模型。对原始数据通过式（6）做累加得到累加序列x（1）={x（1）（1）， x（1）（2），…，x（1）（k）}。

点击并拖拽以移动                        （6）

对x（1）内相邻序列通过式（7）求均值，得到均值序列z（1）= {z（1）（2）， z（1）（3），…，z（1）（k）}

点击并拖拽以移动                （7）

GM（1，1）的白化微分方程为：

点击并拖拽以移动                               （8）

方程的响应为：

点击并拖拽以移动                      （9）

式中，u和v为待定参数变量。令点击并拖拽以移动，则GM（1，1）模型点击并拖拽以移动的最小二乘估计参数满足点击并拖拽以移动，且

点击并拖拽以移动

因此求得模型的预测值为[9]：

点击并拖拽以移动                （10）

1.2.2 组合预测模型设计

由表1千人保有量与最大保有量比值可以看出，2010年之后，比值P近似呈线性增长，增长速度最快，因此选取2010-2015年保有量作为原始序列x（0）。将数据带入模型，由MATLAB计算得到参数u=-0.135，v=7720.99，因此得到预测模型如式（11）所示。

点击并拖拽以移动                  （11）

为判断模型的预测精度，本文对2016-2018年保有量数据进行预测，并与实际保有量进行对比，如表3所示。

表3  组合预测模型保有量预测值与实际值对比

点击并拖拽以移动

由对比结果可知，组合预测法得到的预测汽车保有量较好地接近实际保有量值，相对误差绝对值控制在1%内，预测精度较高。表4所示为Logistic模型与组合预测模型得到的预测结果相对误差，相比之下，采用组合预测法得到的预测保有量与实际保有量更接近，相对误差更小。因此采用组合预测法可更好的预测我国未来汽车保有量及发展趋势。

表4  两种预测方案相对误差对比

点击并拖拽以移动

1.3 未来汽车保有量预测

根据上述分析，本文采用组合预测模型预测我国未来汽车保有量。为了保证预测结果更精确，参考图1在2010年之后汽车保有量基本呈线性快速增长的趋势，为充分利用近几年的数据，本节选取2012-2017年汽车销量带入组合模型重新预测，得到预测公式如式（12）所示。

点击并拖拽以移动                  （12）

根据预测模型，预测未来四年汽车保有量如表5所示。

根据上述分析，本文预测汽车将在2022年保有量达到35144.73万辆，2029年保有量达到45472万辆后增速逐渐放缓，当保有量达到5.6亿辆时达到饱和。

2 汽车销量預测

根据欧美等发达汽车发展历程中保有量与销量的关系可以看出，当汽车保有量达到饱和点时，保有量与销量将近似呈现出“勺形”特性[10]，即保有量在饱和点附近上下波动，且波动变化不大，汽车销量在达到饱和点前将出现峰值，当达到饱和点后销量将出现下降趋势。为了得到较大范围内汽车销量与保有量的关系，本文结合现有汽车销量与保有量的关系及预估得到的未来汽车保有量来预测未来汽车销量，表6所示为2004-2017年汽车保有量与销量数据。首先对未来特定年份汽车销量进行预测，考虑到汽车平均报废周期为14年，参考表6保有量与汽车销量的发展规律发现，某年汽车销量约等于本年度汽车保有量与上年度保有量的差值再加上14年前汽车销量数据，因此可预估得到2025年和2029年几个特征年份汽车销量。根据以上数据，得到汽车保有量与销量如图4所示，两者关系如式（13）所示，预测得到的未来几年汽车销量数据如表7所示。

3 细分领域皮卡销量预测

本文以皮卡为例，结合预测的汽车销量情况预测细分领域市场。皮卡作为汽车车型重要组成部分，占有举足轻重的市场份额，特别在我国中西部人口较稀疏的地区，由于皮卡具有装载能力强、动力性足、通过性好、乘坐舒适等优点，受到广泛青睐。此外，随着我国区域用车市场的逐步细化，皮卡也逐渐向舒适、安全、科技、高端等方向发展，在皮卡市场解禁政策及先天优势的推动下，皮卡市场呈现高速上扬态势，销量及保有量将继续保持高速增长，市场规模将进一步扩大[11]。

表8所示为近年来皮卡销量与汽车整体销量占比关系，由占比数据可以看出，近几年皮卡销量市场份额占有率变化较为平稳且波动较小，因此可以通过整体市场销量预测未来皮卡市场情况。若销量占比预测合理，则得到的皮卡销量也将在合理范围内。

根据分析可知，在2018年汽车行业面临28年来首次负增长的“寒冬期”，皮卡依然实现9.3%高速增长，成为近年来汽车市场中销量增长最为迅猛的单一车型，与使用场景较为相似的MPV形成了鲜明对比。进入2019年，皮卡市场继续保持高歌猛进增长态势，1-6月同比增长12.4%，出现工业销量下跌、终端销量上涨的现象。皮卡市场实现快速增长，与部分试点城市取消皮卡反光条、喷字、营运证办理、城市限行等政策息息相关，随着汽车消费观念的升级，消费者对皮卡的认知更加全面，以及预期未来利好政策试点城市的增加及解禁政策的推广，再加之政府及消费者对新能源皮卡的认可，皮卡汽车将迎来广阔的市场空间。参考美国、澳大利亚、泰国等地区皮卡占据整车市场份额的16%、19.5%、40%，中国和美国同样为幅员辽阔的汽车大国，因此中国皮卡市场依然潜力巨大。

考虑到皮卡的潜在用户主要分为市政、企业和普通消费者，政府及企业的应用场景主要包括电力、石油、城市绿化、道路救援、城市管理、消防救灾等基础设施建设运营及后勤保障等方面，因此皮卡的销量与城市化的建设具有较大关联。图5所示为近年来我国皮卡销量与城市化率情况，除2014-2015年受市场波动皮卡销量有所下降外，整体皮卡市场与城市化率基本呈现正相关关系。随着未来经济的稳定发展及城市化率的提升，基建设施及后勤保障将进一步扩大，会进一步带动皮卡市场的发展。在文化大交融及皮卡趋向智能、舒适、电动及高端化的影响下，皮卡不再单单以低端的商用场景出现在人们的视野，其优秀的驾驶体验、乘坐舒适性将逐渐深入人心，也将拉动皮卡市场的发展。此外，政策上2020年地级及以下城市将全部取消皮卡进城限制，且解禁政策试点城市有望普及全国，因此本文对皮卡市场持乐观态势，预期近几年市场占有率将持续增长，并随着占有量的增多逐渐趋于缓和。但考虑到未来经济增长幅度及政策拉动的不确定性，因此本文给出保守与乐观两种预测结果。若经济增长较缓，则市场销量将受到较大限制，此种情况保守预测2029年皮卡市场销量占有率为3%;若经济发展依然较快且市场开放明显，则乐观估计2029年市场销量占有率将实现5%。根据历年销量数据和近几年市场将持续走高的预期以及上述市场占有率预测值，预计未来皮卡市场销量占比区间如图6所示。

根据前述预测得到的汽车销量数据以及皮卡的市场占比，预测2020年皮卡销量约为55-66万辆，2025年销量将达到100-160万辆。预测未来几年得皮卡销量区间如图7所示。

4 结论

本文主要通过Logistic模型对我国汽车保有量发展趋势进行分析，并预测长期汽车保有量的增长空间;通过Logistic数据分析指导灰色预测的信息筛选，对短期汽车市场保有量进行预测，并根据已知数据对Logistic模型和组合模型的预测结果进行对比，表明短期预测方面组合模型的预测精度更高，然后根据两种模型对未来短期和中长期的市场保有量进行预测。根据汽车市场保有量与新车销量的关系构建保有量与销量模型，然后结合预测得到的保有量数据对新车销量进行合理预测。最后以皮卡为案例对细分领域市场进行分析，考虑皮卡市场前景广阔，销量与汽车市场占比呈上升趋势的关系，构建皮卡与整车销量关系模型，对未来皮卡销量进行预测，从而为政府及企业战略规划提供理论支撑。

参考文献

[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] 戴学臻，王妍，彭志鹏， et al.基于双重Logistic曲线模型汽车保有量预测方法[J].重庆交通大学学报（自然科学版）.

[4] 王栋.基于灰色关联和BP神经网络的汽车保有量预测[J].计算技术与自动化，2015（1）：29-33.

[5] 高俊杰，谢亚南，顾丰，等.基于结构关系识别的中国汽车销量预测[J].大连理工大学学报，2018， 58（1）：92-98.

[6] 曹永立，基于网络搜索数据的汽车销量预测方法研究[D].電子科技大学，2018.

[7] 任玉珑，陈容，史乐峰.基于Logistic组合模型的中国民用汽车保有量预测[J].工业技术经济， 2011， 30（8）：90-97.

[8] 汪耘欣，焦建玲，李兰兰.中国民用汽车保有量的短期组合预测[J]. 合肥工业大学学报（社会科学版）， 2014， 28（5）：41-48.

[9] 秦琳琳，马国旗，储著东，等.基于灰色预测模型的温室温湿度系统建模与控制[J].农业工程学报， 2016， 32（S1）：233-241.

[10] 王骏.基于饱和点理论和销量预测模型的国内乘用车市场研判[J].上海汽车，2016（03）：36-40.

[11] 李慧.皮卡汽车主要零部件故障评测系统研究与开发[D].南昌大学，2016.