基于变权组合模型的汽车后市场零配件需求预测[摘要]我国汽车后市场迅猛发展，准确地预测汽车后市场零配件的需求对经销商减少库存、提高服务水平意义重大。本文采用基于ARMA模型、多元回归模型和BP神经网路模型的变权组合预测方法对汽车后市场的零配件需求进行预测。实证结果表明，3种单项预测方法相互补充，变权组合模型预测精度高且预测稳定性好，优于各单项预测方法。[关键词]汽车后市场；变权组合；预测；零配件；需求doi：10.3969/j.issn.1673-0194.2014.09.022[中图分类号]TP183[文献标识码]A[文章编号]1673-0194（2014）09-0038-051引言近年来，我国汽车后市场迅速崛起并呈现持续增长趋势。作为汽车后市场的核心，汽车零配件产业在整个汽车产值中占有相当大的比重。运用合理的预测方法对汽车零配件需求进行准确预测，一方面可帮助汽车零配件采购企业制订合理的采购计划，有效控制零配件库存；另一方面可使汽车零配件生产企业准确把握---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---各零配件需求的需求，合理安排零配件生产，降低汽车后市场供应链的运作成本。近年来，已有学者开始对汽车后市场的需求预测进行研究。Ren等人（2009）[1]和Yu等人（2010）[2]采用神经网络的方法预测汽车零部件需求，实证研究证明该方法具有很好的预测效果；王子（2009）[3]对履带起重机企业零配件年度需求和月度需求进行预测分析，以便企业制订合适的库存管理策略、降低库存量、提高流动资金的营运效率；陈云等（2010）分别运用ARMA模型和Regression-Bayesian-BPNN模型对汽车后市场进行需求预测[4-5]，并且基于时间序列分解方法提出了零配件需求预测模型（CSDFSD）[6]；廖伟智（2010）提出了面向服务的汽车配件需求预测模型[7]。现有模型往往基于一种预测方法进行研究，虽然在部分预测任务中具有较好的表现，但是模型的泛化性能相对较差，难以实现对不同零部件的预测。组合需求预测是将各种单一预测结果进行组合得到一种组合预测结果，从而达到改善预测效果的目的[8]。根据组合权重确定方式的不同，组合预测可分为固定权重组合预测方法和变权组合预测方法。其中，变权组合预测中权重的确定较为复杂，但其具有相对---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---较高的精度和泛化性能，在电力预测、工程管理、金融分析等多个领域得到了成功应用。由于汽车后市场零配件种类繁多、需求特点互不相同，仅使用一种预测方法或采用固定权重组合预测方法都难以有效提高汽车后市场零配件总体需求预测的精度和预测稳定性。本文以汽车后市场所有零配件中需求量较大且销售价值较高的“关键”零配件作为研究对象，研究基于汽车后市场零配件需求的变权组合预测方法，在变权组合预测方法中，针对汽车后市场某些零配件需求趋势性和季节性明显，某些零配件受外在因素影响显著的特点，选取基于趋势和季节调整的ARMA方法、多元回归方法和BP神经网络方法作为变权组合预测模型的3种单项方法。2面向汽车后市场零配件需求的变权组合预测模型2.1变权组合预测模型的单项方法选择标准“变权”指组合模型使用的单项预测方法以及组合权重是随时间呈现周期性变化的，记该周期为P，即每经过P期均要重新从既定的3种单项方法中选择符合条件的单项方法，同时重新计算组合权重。假设某汽车零配件需求实际数据记为Yt，（t=1，2，…，N，N+1，…，N+T），其中N+T为数据长度，变权组合预测模型的目标是预测第N+T+1到第---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---N+T+P期的需求数据。组合预测选取M种（本文中M=3）单项预测方法（以下简称“单项方法”），每一种单项方法均利用相应历史数据预测后T期需求数据，单项方法m的预测值记为YFt（m），t=1，2，…，T。组合预测模型运用各单项模型的T期预测相对误差e计算每种单项方法对应的权重W，参见公式（1）：e=e1（1）e2（1）…eT（1）e1（2）e2（2）…eT（2）e1（M）e2（M）…eT（M），W=w（1）w（2）w（M）（1）式中，et（m）表示单项方法m的第t期预测相对误差，计算方法有多种，依情况而定；...