基于马尔科夫模型汽车市场预测.pdfVIP

马尔科夫模型在汽车市场预测中的应用 一、引言 企业是一个动态变化的系统，有些变量和因素随时间的推移而不 断地随机变化，市场占有率就是其中一个变量。面对日趋激烈的市场 竞争，谁能及时准确的掌握未来的市场趋势，谁就能掌握市场的主动 权。然而，用一般的预测方法来预测市场占有率很难得到准确的结果， 如长期趋势预测法，是依据历史数据的变化规律来对未来市场状况进 行预测，但对市场占有率这个无确定变化规律的变量来说，就显得不 太适用。马尔科夫预测法是在通过市场调查等途径获取资料的基础上， 运用数理统计、系统工程等有效地数学方法，是实现定量建模与定性 评价的深层组合，适用于随机过程预测的一种科学有效的方法。 二、马尔科夫过程及预测模型的建立 马尔科夫(A．A．Markov)理论指出：“系统达到每一状态的概率 仅与近期状态有关，在一定时期后马尔科夫过程逐渐趋于稳定状态而 与原始条件无关”的这一特性称为 “无后效性”。即：事物的第n次 试验结果仅取决于第(n一1)次试验结果，第(n一1)次试验结果仅取 决于第(n一2)次试验结果，依此类推。这一系列转移过程的集合叫 做 “马尔科夫链”或称为“时间和状态均离散的马尔科夫过程”。“对 马尔科夫过程和马尔科夫链进行分析，并对未来的发展进行预测称为 马尔科夫分析”。马尔科夫预测方法的特点是：不需要大量的统计资 料，只需有限的近期资料即可实现定量预测，而且马尔科夫预测方法 适用于短期预测的基础上，只要状态转移矩阵滚动次数足够的多，同 时也适用于长期预测。但要求市场比较稳定并在一定时期内没有大的 变动。 马尔科夫过程实际上是一个将系统的“状态”和“状态转移”定 量化了的系统状态转换的数学模型： 状态{S，n≥1}：指现象某一时刻上的某种状态，是表示系统的 n 最小一组变量。当系统可完全由定义状态的变量取值来描述时，称系 统处于一个状态。 状态转移：指当系统的描述变量从一个状态的特定值变化到另一 个状态特定值时，就表示系统由一个状态转移到另一个状态，从而该 系统实现了状态的转移。 相应地，事物处于某种状态的可能性的大小，称为状态概率： S (k) n 则 某 一 时 期 k 的 状 态 概 率 向 量 为 ： Sk( ) {S (k), S (k), , S (k)} 1 2 n 1．明确系统状态及系统状态当前的初始分布。 选定预测市场对象（即论域）进行市场调查 E{X ,X ,X ,,X }，要研究的对象，应在整个市场或区域内并 1 2 3 n 在调查期内营业的企业中进行选择；例如深圳市2007年第二季度各 品牌汽车市场占有率（前5名）如下表1： 表1 深圳市2007年第二季度各品牌汽车市场占有率 品牌 实际销售（辆） 市场占有率（%） 广州本田 3748 6.7 一汽本田 3140 5.6 上海通用 2814 5.0 东风日产 2812 5.1 广州丰田 2045 3.6 其他 41431 73.9 按表1可以把系统分为广州本田、一汽丰田、上海通用、东风日 产、广州丰田、其他品牌六个状态，得到六个系统状态在2007年第 2季度市场占有率的初始分布： S （0）= （0.06 0.056 0.050 0.051 0.036 0.739） 2．建立转移矩阵——马尔科夫转移矩阵 运用马尔科夫链进行预测的关键在于：建立状态转移概率矩阵 （指系统在时刻t所处状态，转变为时刻t+1所处状态时与之相对应