文章構(gòu)建了基于差分自回歸移動平均（ARIMA）模型與支持向量機（SVM）、隨機森林（RF）、極端梯度提升樹（XGBoost）的三種組合模型,將其應(yīng)用于國內(nèi)汽車市場批零量預(yù)測�；�2009—2018年國內(nèi)汽車市場乘用車批零量數(shù)據(jù)以及上汽集團數(shù)據(jù)庫中相關(guān)指標數(shù)據(jù),將組合模型的預(yù)測結(jié)果與改進后的三次指數(shù)平滑（HW）算法、ARIMA模型進行比較。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的組合模型針對批發(fā)量與零售量的三個月內(nèi)預(yù)測平均相對誤差分別為3.53%與2.97%,對汽車企業(yè)具有參考價值。 

【文章來源】：統(tǒng)計與決策. 2020,36(08)北大核心CSSCI

【文章頁數(shù)】：4 頁

【參考文獻】：
期刊論文
[1]基于ARIMA模型與GM（1,1）模型的居民消費價格指數(shù)預(yù)測對比分析[J]. 潘靜,張穎,劉璐.  統(tǒng)計與決策. 2017(20)
[2]基于時間序列ARIMA與BP神經(jīng)網(wǎng)絡(luò)的組合預(yù)測模型[J]. 翟靜,曹俊.  統(tǒng)計與決策. 2016(04)
[3]中國汽車市場的中長期增長潛力及區(qū)域特征[J]. 王青.  區(qū)域經(jīng)濟評論. 2015(04)
[4]中國未來汽車市場的研究[J]. 彭浪,寧宣熙.  管理世界. 2009(01)



本文編號：3221527