文章構(gòu)建了基于差分自回歸移動(dòng)平均（ARIMA）模型與支持向量機(jī)（SVM）、隨機(jī)森林（RF）、極端梯度提升樹(shù)（XGBoost）的三種組合模型,將其應(yīng)用于國(guó)內(nèi)汽車市場(chǎng)批零量預(yù)測(cè)�；�2009—2018年國(guó)內(nèi)汽車市場(chǎng)乘用車批零量數(shù)據(jù)以及上汽集團(tuán)數(shù)據(jù)庫(kù)中相關(guān)指標(biāo)數(shù)據(jù),將組合模型的預(yù)測(cè)結(jié)果與改進(jìn)后的三次指數(shù)平滑（HW）算法、ARIMA模型進(jìn)行比較。結(jié)果顯示:組合模型均能有效地改善建模結(jié)果,其中ARIMA與XGBoost的組合模型針對(duì)批發(fā)量與零售量的三個(gè)月內(nèi)預(yù)測(cè)平均相對(duì)誤差分別為3.53%與2.97%,對(duì)汽車企業(yè)具有參考價(jià)值。 

【文章來(lái)源】：統(tǒng)計(jì)與決策. 2020,36(08)北大核心CSSCI

【文章頁(yè)數(shù)】：4 頁(yè)

【參考文獻(xiàn)】：
期刊論文
[1]基于ARIMA模型與GM（1,1）模型的居民消費(fèi)價(jià)格指數(shù)預(yù)測(cè)對(duì)比分析[J]. 潘靜,張穎,劉璐.  統(tǒng)計(jì)與決策. 2017(20)
[2]基于時(shí)間序列ARIMA與BP神經(jīng)網(wǎng)絡(luò)的組合預(yù)測(cè)模型[J]. 翟靜,曹俊.  統(tǒng)計(jì)與決策. 2016(04)
[3]中國(guó)汽車市場(chǎng)的中長(zhǎng)期增長(zhǎng)潛力及區(qū)域特征[J]. 王青.  區(qū)域經(jīng)濟(jì)評(píng)論. 2015(04)
[4]中國(guó)未來(lái)汽車市場(chǎng)的研究[J]. 彭浪,寧宣熙.  管理世界. 2009(01)



本文編號(hào)：3221527