經(jīng)過(guò)半個(gè)多世紀(jì)的發(fā)展,中國(guó)已經(jīng)成為全球最大的汽車(chē)生產(chǎn)基地以及消費(fèi)市場(chǎng).在此背景下,如何對(duì)汽車(chē)市場(chǎng)銷(xiāo)量進(jìn)行預(yù)警備受關(guān)注,但是至今尚無(wú)精確有效的預(yù)警模型.文章基于分位數(shù)廣義自回歸條件異方差模型(QGARCH)與長(zhǎng)短期記憶網(wǎng)絡(luò)模型(LSTM)構(gòu)建了一個(gè)針對(duì)國(guó)內(nèi)乘用車(chē)市場(chǎng)的精確有效的預(yù)警系統(tǒng).第一步,文章根據(jù)QGARCH模型構(gòu)建了具有時(shí)變性與較強(qiáng)解釋性的預(yù)警區(qū)域.第二步,通過(guò)對(duì)已有的數(shù)據(jù)進(jìn)行處理后,根據(jù)LSTM模型對(duì)國(guó)內(nèi)乘用車(chē)市場(chǎng)銷(xiāo)量的同比增速進(jìn)行預(yù)測(cè).文章將LSTM預(yù)測(cè)結(jié)果與支持向量機(jī)(SVM)、隨機(jī)森林(RF)、極端梯度提升樹(shù)(Xgboost)等模型的預(yù)測(cè)結(jié)果進(jìn)行了比較,驗(yàn)證了LSTM模型在乘用車(chē)市場(chǎng)銷(xiāo)量預(yù)測(cè)上的優(yōu)勢(shì).最后,基于QGARCH模型與LSTM模型構(gòu)建了一個(gè)精確有效的預(yù)警體系.結(jié)果顯示,文章構(gòu)建的預(yù)警體系能夠準(zhǔn)確預(yù)測(cè)未來(lái)乘用車(chē)市場(chǎng)的預(yù)警情況且具有較強(qiáng)解釋性,對(duì)汽車(chē)企業(yè)具有極大的參考價(jià)值.

【文章頁(yè)數(shù)】：15 頁(yè)

本文編號(hào)：3880128