商豐瑞　張靜

摘要：我國快遞業(yè)務(wù)總量目前已成為全球第一，快遞業(yè)發(fā)展具有長趨勢性和短周期性。本文探討基于SARIMA模型對(duì)我國快遞業(yè)務(wù)量數(shù)據(jù)進(jìn)行分析，解釋數(shù)據(jù)的特征并用來預(yù)測。本文分析了我國2003～2015年的月度快遞包裹總量時(shí)間序列，剔除時(shí)間趨勢和季節(jié)周期性后使原序列平穩(wěn)并建立季節(jié)時(shí)間序列模型。通過對(duì)不同模型進(jìn)行參數(shù)估計(jì)和比較后發(fā)現(xiàn)：SARIMA（0，1，1）（0，1，1）[12] 模型可以得到較為理想的結(jié)果，它能很好地?cái)M合我國月度快遞包裹總量時(shí)間序列，分析發(fā)現(xiàn)受春節(jié)假期影響，模型在二月份預(yù)測準(zhǔn)確度較差。

關(guān)鍵詞：SARIMA 模型；月度快遞包裹總量；預(yù)測

中圖分類號(hào)：F252.5 文獻(xiàn)識(shí)別碼：A 文章編號(hào)：1001-828X（2016）030-000-01

一、研究背景

2016年，我國快遞業(yè)務(wù)總量已躍居全球第一。電子商務(wù)的興盛有效帶動(dòng)快遞行業(yè)的高速發(fā)展，反之，快遞行業(yè)的提升也為電子商務(wù)的增長提供配套支撐。對(duì)快遞包裹的總量預(yù)判是快遞運(yùn)輸企業(yè)在投資決策、風(fēng)險(xiǎn)評(píng)估、人員管理中至關(guān)重要的一環(huán)。只有通過理論研究和實(shí)證分析，利用科學(xué)的分析方法，對(duì)海量數(shù)據(jù)進(jìn)行有效分析、深度挖掘，并建立包裹量預(yù)測模型，才能為企業(yè)在運(yùn)輸經(jīng)營上提供有效決策。

目前，利用我國快遞業(yè)務(wù)量月度數(shù)據(jù)建立季節(jié)時(shí)間序列模型并進(jìn)行短期預(yù)測的文章還很少。本文主要運(yùn)用時(shí)間序列的確定性因素分解方法和SARIMA（季節(jié)時(shí)間序列）模型分析法，借助R軟件時(shí)間序列分析包tseries和預(yù)測包forecast對(duì)數(shù)據(jù)進(jìn)行處理和模型擬合，最終選擇合適的模型參數(shù)對(duì)我國快遞業(yè)務(wù)量進(jìn)行分析和預(yù)測。

二、SARIMA模型簡介

SARIMA模型（Seasonal Autoregressive Integrated Moving Average），全稱為自回歸單整移動(dòng)平均季節(jié)模型，主要是基于經(jīng)濟(jì)學(xué)理論知識(shí)和計(jì)量經(jīng)濟(jì)學(xué)方法，對(duì)研究標(biāo)的物的變量因素建立序列回歸，并利用樣本數(shù)據(jù)觀察值（周期項(xiàng)）和隨機(jī)項(xiàng)對(duì)價(jià)格走勢進(jìn)行短期測算。季節(jié)時(shí)間序列在經(jīng)過合理的函數(shù)變換之后，都可以分拆為三項(xiàng)：趨勢項(xiàng)、周期項(xiàng)和隨機(jī)項(xiàng)。趨勢項(xiàng)反映的是整體價(jià)格走勢的方向；周期項(xiàng)表示特定時(shí)間周期內(nèi)的價(jià)格變化特點(diǎn)；隨機(jī)項(xiàng)考慮的是不確定或者突發(fā)條件下，產(chǎn)生的價(jià)格隨機(jī)信號(hào)和隨機(jī)噪聲。快遞業(yè)務(wù)量的時(shí)間序列數(shù)據(jù)就屬于季節(jié)時(shí)間序列，通過SARIMA模型選擇合適的模型參數(shù)就可以對(duì)其進(jìn)行分析和預(yù)測。

三、模型建立

（一）原始數(shù)據(jù)預(yù)處理

國家統(tǒng)計(jì)局網(wǎng)站2003年1月至2014年12月的快遞量-當(dāng)期值（萬件）數(shù)據(jù)顯示，從2008年開始，我國快遞包裹量呈級(jí)數(shù)增長，并且存在明顯的周期性變化，快遞行業(yè)在此期間飛速發(fā)展。這種周期是由于季節(jié)性變化或其他一些固有因素引起的。在快遞包裹運(yùn)輸領(lǐng)域中，季節(jié)性影響是不可避免的。因此，SARIMA模型可以合理分析和準(zhǔn)確預(yù)測我國快遞業(yè)務(wù)量。

（二）預(yù)測模型建立

接下來使用R軟件時(shí)間序列包的decompose函數(shù)對(duì)包括時(shí)序數(shù)據(jù)進(jìn)行分解，分別為隨機(jī)、趨勢、季節(jié)。

通過隨機(jī)、趨勢、季節(jié)三張圖可以看出，我國快遞包裹量呈級(jí)數(shù)增長；包裹量的變化存在季節(jié)性因素；時(shí)序隨機(jī)性變化平穩(wěn)。

分別選擇SARIMA（0，1，1）（0，1，1）[12]模型和SARIMA（0，1，1）（0，1，2）[12]模型進(jìn)行預(yù)測比較。

可見，模型預(yù)測效果差距較小，但SARIMA（0，1，1）（0，1，1）[12]模型效果更好，而且除了二月份，其余三個(gè)月的預(yù)測值可以說非常準(zhǔn)。二月份之所以不準(zhǔn)，主要原因是趕上春節(jié)假期，全國休假，包裹量驟降是必然的。

四、結(jié)論

本文利用SARIMA季節(jié)時(shí)間序列模型，對(duì)我國2003～2015年的月度快遞包裹總量時(shí)間序列進(jìn)行分析，明確我國快遞包裹總量時(shí)間序列存在指數(shù)級(jí)增長趨勢和季節(jié)性變化。通過設(shè)定SARIMA模型的不同參數(shù)，得出SARIMA（0，1，1）（0，1，1）[12]模型有較低的AIC值，預(yù)測準(zhǔn)確率較高。

SARIMA模型是在ARIMA模型基礎(chǔ)上優(yōu)化而來的一種預(yù)測模型，與眾多預(yù)測模型相比，SARIMA模型對(duì)季節(jié)性時(shí)間序列數(shù)據(jù)具有較好的預(yù)測效果。因此，SARIMA模型對(duì)今后我國快遞業(yè)務(wù)量的分析和預(yù)報(bào)有很大的參考價(jià)值。

參考文獻(xiàn)：

[1]趙喜倉，周作杰.基于SARIMA模型的我國季度GDP時(shí)間序列分析與預(yù)測[J].統(tǒng)計(jì)與決策，2010，11：18-20.

[2]張健.SARIMA模型在預(yù)測中國CPI中的應(yīng)用[J].統(tǒng)計(jì)與決策，2011，5：28-30.

[3]賈凱威，韓家彬，楊洋.基于SARIMA模型的短期通貨膨脹預(yù)測.統(tǒng)計(jì)與決策，2014，22：33-35.