20082012年中国汽车市场分析及未来展望

20082012年中国汽车市场分析及未来展望

1汽车市场发展的基本特征(1)车市场整体健康发展从2008年至2012年中国汽车月销售价格的变化来看，汽车市场发展具有以下特点：一年中汽车销量随着不同月呈波动，存在波峰波谷现象。长期以来，汽车市场的月度发展趋势基本相同。总体来看，汽车市场保持快速增长趋势，一年一步一步。(2)月3月汽车市场发展存在季节性波动规律,汽车销量随月度呈现变化的原因主要有以下几点:(1)春节假期:春节假期一般在2月,工作日和消费需求减少,导致2月销量是全年的一个低谷。(2)3月高峰:新年伊始,消费需求释放,订单猛增,3月的市场一般会比较理想。(3)高温假期:7~8月高温,终端需求萎缩,企业检修设备,放高温假,因此7~8月销量也是一年中较低的。(4)金九银十:丰富的营销活动、较多新车上市、“十一”假期等因素驱动9~10月成为传统销售旺季。(5)年底冲量:11~12月,年度目标的完成及冲量使得这段时间也成为全年的一个销售高峰。2时间序列变化的趋势性因素汽车市场发展的影响因素可归结为三大类。季节性因素:时间序列在一年内(或一定时期内)有规则的变化;趋势性因素:在较长一段时期内,时间序列呈现的逐渐增加或逐渐减少的变化;不规则因素:影响时间序列的短期的、不可预期的、不重复出现的因素引起的随机变动。(1)季节性因素如前所述,春节、盛夏、金九银十、年底冲量等是汽车市场发展的季节性因素。(2)寻求势向性因素(1)相关关系与相关关系人均可支配收入与千人汽车保有量存在正相关关系。随着中国居民收入水平的不断提高,消费结构由“衣、食”向“住、行”升级进一步加快,汽车消费持续增加。(2)u3000城市轨道交通需求潜力巨近年来,我国城市化率持续提高,2005年的城市化率为42.99%,2011年升至51.27%。预计今后每年提高1个百分点,2020年达到60%左右。城市化促使生活半径扩大、移动行为增加,形成汽车需求潜力。城市化进程的推进将为汽车使用提供良好的基础,对汽车产业发展起到直接的拉动作用。(3)机动车驾驶人情况截至2012年6月底,全国机动车保有量达2.33亿辆。其中,汽车1.14亿辆,摩托车1.03亿辆。全国机动车驾驶人达2.47亿人,其中汽车驾驶人1.86亿人。全国汽车驾驶人数与汽车保有量的差额形成潜在汽车消费需求,有待在未来释放。(3)不规则因素汽车市场发展的不规则因素诸如:汽车产业政策法规的激励与约束;北京、广州等城市限购;消费环节负担(油价、排污税等)等等。3建立乘模型基于季节调整模型的短期滚动预测方法由建立乘法模型、计算季节指数、消除时间序列的季节影响、利用消除季节影响的时间序列确定趋势、季节调整这几个步骤构成。(1)不规则成分i设时间序列含有趋势成分(T)、季节成分(S)和不规则成分(I)。设用Tt、St、It分别表示第t期的趋势成分、季节成分和不规则成分。用Yt表示时间序列的数值,则它可由乘法模型描述为Yt=Tt、St、It。(2)计算季节性指数的成本指数(1)移动计数使用第1个移动个数计算移动平均数的目的是分离趋势成分和季节成分、不规则成分。设某个时间序列有如下的形式:由于所利用的是季度资料,因此在计算每一个移动平均数时使用4项数据。第1个移动平均数去掉第1年第1季度的数值Y1,加上第2年第1季度的数值Y5,可得到第2个移动平均数。第2个移动平均数同理,第3个移动平均数后面的移动平均数可按此方法依次获得。(2)移动平均的中间值本例中移动平均数的步长是4个季度,没有中间季度,因此计算出的移动平均数没能直接对应在时间序列的季度上。如第1个移动平均数A1对应在第2季度和第3季度中间,第2个移动平均数A2对应在第3季度和第4季度中间。因此,用移动平均数的中间值来解决这个问题。故用作为第3季度的移动平均数,作为第4季度的移动平均数,后面几个季度的移动平均数可按此方法依次获得。这个结果称为“中心化的移动平均数”。(3)yt/btb用时间序列的每一个数值除以相应的中心化的移动平均数,可以确定时间序列的季节不规则影响值StIt=Yt/Bt。因为季节不规则影响值一年与一年的波动仅仅是由于不规则成分引起的,因此计算其平均数以消除不规则成分的影响,从而得到季节指数St。如:第3季度季节指数需要注意的是,在计算季节指数时,有时需要对季节指数进行调整。乘法模型要求平均季节指数等于1,即季节影响在一年内是持平的。(3)时间序列消除季节影响找出季节指数的目的是为了从时间序列中消除季节影响,根据乘法模型,用时间序列的每个数值除以相应的季节指数,则可以对时间序列消除季节影响。即:消除季节影响的时间序列值=Yt/St。(4)时间序列计算消除了季节影响的时间序列值具有线性趋势,对于这个线性趋势,趋势预测值是时间的函数,即Tt=b0+b1t。式中Tt为第t期的趋势值,b0为趋势线的截距,b1为趋势线的斜率。t为时间,t=i对应消除季节影响后的时间序列的第i个值。计算b0和b1的公式为:需要注意的是,Tt此时表示第t期消除季节影响后的时间序列数值,而不是时间序列的原始值。n为时期的个数。为消除季节影响后的时间序列的平均值,即。为t的平均值,即Tt=b0+b1t可用来推测未来时间序列的趋势成分,如将t=13带入方程,可得到下一个季度的趋势预测值。(5)产期调整对同时拥有趋势成分和季节成分的时间序列,进行预测的最后一步是用季节指数调整趋势预测值,即最终预测值为趋势预测值乘以季节指数。(6)移动平均月平均月平均月平均月平均月平均月数的计算在许多预测中月度资料更为常见,用12个月的移动平均数代替4个季度的移动平均数,然后计算每个月的季节指数,而不是每个季度的季节指数,除这些以外,计算和预测方法是一样的。4季节调整模型预测的应用如前面所分析的,汽车市场发展具有趋势成分、季节成分和不规则成分,可以应用上述基于季节调整模型的预测方法进行预测。这里以月度资料进行实证研究,对2013年各月汽车销量做出预测。(1)车辆销售时间序列以2010~2012年36个月的汽车销量作为时间序列的原始值。(2)计算汽车销售时间序列的季节性指数首先,计算中心化的移动平均数和季节不规则影响值。(3)避免车辆销售时间序列的季节性影响用汽车销量时间序列的原始值除以1~12月对应的季节指数,计算出消除了季节影响的时间序列的数值。(4)3年各月汽车销量趋势预测值利用上述消除了季节影响的时间序列的数值,计算出b1=0.42,b0=147.09,即Tt=147.09+0.42t,将t=37~48依次带入方程,可得到2013年各月汽车销量趋势预测值。(5)电动汽车销售量预测用2013年各月汽车销量趋势预测值乘以1~12月对应的季节指数,得到汽车销量最终预测值。从总量上来看,预计20