汽车市场需求预测是对汽车产品市场需求数量进行预测，是制订生产计划的前提。企业要进行生产经营决策、安排生产计划，必须科学预测产品市场情况。为此，企业要调查汽车市场，搜集汽车市场的需求信息，掌握影响汽车市场需求因素及其变化的规律，根据相关车型的特点和掌握的数据信息，选择预测方法，建立预测模型，对特定时期某一种车型产品的市场需求进行预测；其次，根据本企业的资源条件、技术条件、竞争能力及产品的特色，参考专家的知识和经验以及有关因素的变化情况对预测结果进行修正；最后，在上述基础上，确定本企业的生产计划以及生产资源需求。

一、汽车市场需求预测的影响因素

我国从1981年至2010年汽车销量及增长情况如图5-1所示。

由上图可知，近几年我国市场汽车销量呈稳步增长态势，但是每年的增幅都有较大的变化，市场需求预测的准确性无疑变得非常重要。汽车市场需求预测主要分为两个层面：一是面向国家经济结构或产业政策的战略预测，主要用于国家层面或区域层面；二是面向营销的汽车市场需求预测，主要用于汽车集团或汽车企业制定战略规划或营销策略。但归纳起来影响汽车市场需求预测的因素主要有两类：外界因素和内部因素。

图5-1 我国近30年来汽车销量及增长情况

1.外界因素

（1）国家战略国家汽车产业发展规划中明确指出，汽车产业是国家的支柱产业，要大力发展汽车产业，在政策层面给予汽车产业很多的优惠和扶持政策。

（2）需求水平需求是外界因素中最重要的一项。如流行趋势、爱好变化、生活形态变化、人口流动等，均可成为汽车需求的质与量方面的影响因素，因此，必须加以分析与预测。应尽量收集有关汽车的市场资料、市场调查机构资料、购买动机调查等统计资料，以掌握市场的需求动向。

（3）经济波动销售深受经济变动的影响，经济因素是影响汽车销售的重要因素，为了正确预测，需特别注意资源问题的未来发展、政府及财经界对经济政策的见解以及基础工业、加工业等的经济增长率等指标变动情况，尤其要关注突发事件对经济的影响。

（4）同业竞争销售额的高低深受同业竞争者的影响，应比较清楚地掌握对手在市场的相关活动，例如竞争对手的目标市场在哪里，产品价格高低，促销与服务措施等。

2.内部因素

（1）营销策略以公司客户需要为出发点，有计划地组织各项经营活动，通过相互协调一致的产品策略、价格策略、渠道策略和促销策略，为顾客提供满意的商品和服务，实现企业的经营目标。

（2）销售政策考虑变更管理内容、交易条件或付款条件、销售方法等对汽车销售额所产生的影响。

（3）销售人员销售活动是一种以人为核心的活动，所以人为因素对于销售额的实现具有相当深远的影响力，这也是汽车需求预测不可忽视的。

（4）生产能力汽车零部件供应是否能够满足汽车制造的生产工艺和装配工艺，生产线产能能否保证销售的需要等。

二、汽车需求预测的方法

1.定性预测法

定性预测法是基于汽车销售行业高层意见的预测方法，不需要精确度高的统计方法来计算，是以市场调查为基础，根据汽车行业从业人员的经验的一种预测。一般用在汽车整车销售行业的方法主要有德尔菲预测法、消费市场调查方法、综合销售人员意见法等。

（1）德尔菲方法需要一组在不同地区的专家，他们各自独立地完成一些调查问卷。每一份调查问卷的结果都随同一份问卷同时送出，然后每位专家评估这些信息，在下一份问卷中调整他或她的反应。其目的是使得大多数专家的结论都集中在一个相对集中的范围里。这个方法通常仅用于公司最高层或政府对整体趋势的长期预测。

（2）消费市场调查方法使用地毯式方法进行销售预测。它包含对消费者和潜在的消费者未来购买计划及对各种产品新特点的反应的调查。这对于设计新产品和确定销售量的最初预测具有特殊的帮助，对计划一个营销活动也有帮助。

（3）综合销售人员意见法分别收集各经销商、销售人员等对预测指标估计的最大值、最可能值及最低值及其发生的概率，集中所有参与预测者的意见，整理出最终预测值的方法。

2.定量预测法

定量预测法给出了未来某个时间段汽车整车销售水平预测。这种预测是汽车行业制定价格计划和配件分配、库存管理的关键基础。

定量预测模型是根据各种影响汽车整车销售量的原因变量组建的模型，它用来表示整车销售历史值和各种原因变量之间的关系。总的来说，量化程度较高的预测方法用于短期整车销售预测。

（1）移动平均预测法移动平均预测法是一种平滑方法，它指的是随着整车销售量新数据的加入而不断调整结果平均数的一种预测方法，也就是销售部只要把最近所获得的整车销售数据进行平均，就可以预测下一个时期的销售走向。移动平均法是一种时距扩大法的改良，它是在时距扩大的基础上，通过逐项移动，计算出来的一系列的平均数构成的新的整车销售时间序列，并用新的整车销售时间序列把汽车整车销售的未来趋势明显地表现出来。通过这种不断修均匀的方法，可以消除特殊因素对整车销售时间序列的影响，使得汽车整车销售的长期趋势明显地表现出来。

移动平均预测法的基本原理

①一次移动平均预测。设有一汽车整车销售历史数据的时间序列y₁、y₂、…、y_t…先按时间的先后顺序逐步推算求出N个数的平均数，即可得到第一次移动平均数：

式中，M^（1）_tt为第t时刻的一次移动平均数；y_t为第t时刻的整车销售历史值；N为移动平均的移动时距，也就是使用多少个历史的整车销售值来计算一个移动平均值。

式（5-1）式表明，当t向前移动一个时间间隔，就增加一个新近整车历史销售数据，去掉一个远期的整车销售的历史数据，然后计算出一个新的预测数。这个预测方法的特点是不断地“吐故纳新”，逐步按时间向前移动，所以称为移动平均预测法。

由于移动平均可以平滑数据，消除季节变动、周期变化和不规则变化的影响，使得整个整车销售时间序列的长期趋势显示出来，可以用于长期趋势预测。

其预测公式为：

式（5-2）表示可以把第t时刻的第一次移动平均值作为第t+1时刻的预测值。

②二次移动平均预测当整车销售时间序列没有明显的趋势变动时，使用一次移动平均就能够非常好地反映实际销售变化趋势，直接用第t时刻的一次移动预测值就可预测第t+1时刻的预测值。但当整车销售时间序列出现比较显著的变动趋势时，用一次移动平均数来表示整车销量预测就会出现滞后偏差。在观察汽车整车销售量数据变化时发现变动趋势比较明显，因此，需要进行第二次平均移动，方法是在一次移动平均的预测值的时间序列上再做一次移动平均，然后建立长期趋势的预测模型。所以移动平均预测法也称为长期趋势预测法。

设一次移动平均数为M^（1）_t，则二次移动平均数M^（2）_t的计算公式为：

因为长期趋势的预测可以看成是线性关系公式，所以把整车销售时间序列y₁、y₂、…、y_t、…看成具有某种直线趋势，同时认为未来时期销售量也按此直线趋势变化，则可设此直线趋势预测模型为：

式中，t为当前时期数；T为由当前时期数t到预测时刻的时间间隔数，即t以后长期趋势预测模型外推的一段时间；y^_t+T为第t+T期的时间序列的销售预测值；a_t为直线的截距；b_t为直线的斜率。

根据二次移动平均预测值求出直线的截距a_t和直线的斜率b_t的计算公式为，(www.daowen.com)

（2）指数平滑预测法指数平滑预测利用过去整车销售的历史数据的加权平均进行预测。这种预测方法给相对更近的一些整车销售的历史销售数据比较大的权值，而一些离得比较远的历史销售数据的权值则分配比较小的值，采用这种预测方法是根据未来销售的趋势与采用的阶段的历史数据的密切关系来确定权值。因为最近获得的数据中包含着最多的说明未来汽车整车销售预测情况的信息，所以相对比最早获得的整车历史销售数据赋予更大的权值。即对最近期的整车销售数据分配最大的权值，而对较远的整车销售数据就分配较小的权值。

指数平滑预测法是当整车销售历史数据显示出来有某种趋势的表现之后，需要添加一个趋势因子来对未来的销量预测值进行计算。所以汽车整车销售预测过程就包括两个平滑过程。

1）指数平滑预测法的基本原理

①一次指数平滑预测。设时间序列为y₁、y₂、…、y_t…则一次指数平滑的预测公式为：

式中，S^（1）_t为第t时刻的一次指数平滑值；α为平滑系数；0<α<1。将上述公式依次展开可得：

由于0<α<1，当t→∞时，（1-α）^t→0，于是上述公式变为

因为平滑系数符合指数规律，又具有对整车销售时间序列中的周期性影响、数据修匀的功能，所以称为指数平滑预测法。

用式（5-7）进行时间序列预测，能计算得到一次指数平滑预测值。其预测模型为：

即以第t时刻的一次指数平滑值作为第t+1时刻的预测值。

②二次指数平滑预测。当整车销售时间序列没有明显的趋势变化时，使用一次指数平均就能够准确地反映实际销售情况，直接用第t时期的一次指数平滑数就可预测第t+1时期的销售预测值。但当整车销售时间序列出现比较显著的变动趋势时，用一次指数平滑数来预测汽车整车销售量就会出现滞后偏差。因此，需要进行第二次平滑，平滑的方法是在一次指数平滑的整车销售时间序列上再做二次指数平滑，然后建立的平滑预测模型，也称为二次指数平滑预测模型。二次指数平滑值的计算公式为：

式中，S^（1）_t为第t时刻的一次指数平滑预测值；S^（2）_t为第t时刻的二次指数平滑预测值；S^（2）_t-1为第t-1期的二次指数平滑预测值。

若整车销售时间序列y₁、y₂、…、y_t…从某时期具有线性趋势，且认为未来某时期也是按此线性趋势来发生变化，可用如下的线性趋势模型来对整车销售量进行预测：

式中，t为当前时期数；T为由初始化的时期数t到结果预测值之间的时期数; 为第t+T期的销售量的预测值。a_t为线性的截距，b_t为线性的斜率，其计算公式为:

2）初始值的确定。因为S^（1）_t是S^（2）_t的前一期的平滑值，说明每次预测都要以上一次的预测值为基础。这样不断地逆推回去，必然会遇到第一个预测值即初始值[用S^（1）₀表示]如何确定的问题。

关于初始值S^（1）₀的选择，一般可以这样考虑：

①当原始序列的项数较多（如大于50项），以第一期的观测值作为初始值,即S^（1）₀=y₁。这样由于数据多，经过多次平滑运算后，初始值的影响将变得很小。

②当原始序列的项数较少时（如在20以内），初始值对后来预测值的影响较大，可以取最初的几个数据的平均值作为初始值，即：

式中，N为某一整数。

（3）回归预测分析法回归分析预测法是依据汽车整车销售量与影响销售量的因素之间的关系来构建回归模型进行汽车整车销售量预测。如果根据整车销售的历史销售数据分析，发现有多个因素对整车销售量的预测有影响，就可以使用多元回归预测模型。

回归预测分析法的基本原理。设回归曲线方程式为：

式中，y代表因变量；x代表自变量；a、b、c是回归系数。

设现有n期的统计值，令i期的统计值为y_i，则y_i期的统计值与回归线对应点纵坐标之间的偏差为（y_i-y），偏差平方和S为：

将回归曲线方程式（5-16）带入偏差平方和表达式（5-17）得

要求曲线y上各点实际资料线上对应点之间的偏差平方和S最小，需求偏导数为 、 、 。令偏导数 0、 =0 方程组:

预测时，只要求出回归系数a，b，c的值便可建立回归线方程，即得到预测应用模型。