基于ARIMA模型的我国快递业务量状况研究

朱志锋 肖诗雨

摘 要：本文通过Eviews8.0软件采用时间序列分析方法，对我国快递业务量的月度数据进行分析，建立ARIMA模型并进行参数估计及检验，对比Holt-Winters季节乘法模型预测结果和实际值进行误差分析，选择ARIMA季节乘积模型，对未来我国的快递业务量进行预测。

关键词：时间序列;快递业务量;预测;ARIMA模型

一、引言

我國快递行业与其他国家相比，虽然发展较晚，但近十年来发展十分迅速，自2011年以后，快递业务量的同比增速达到了40%以上，发展速度非常迅猛;自2014年以后，中国的快递业务量已经连续五年稳居世界第一。但是具体发展程度还很低，现在的快递业务量还不到GDP的0.3%，与发达国家达到GDP的1%左右相比差距依然明显。而且我国几乎没有研究快递行业发展特点和规律的文献，在国内是一个空白。因此，研究我国的快递行业的发展特点，并寻求其发展规律，对正在发展中的中国快递业是十分必要的。本文就我国快递业的发展进行了相关研究，以期研究结果有一定的参考意义。

本文以2010年1月-2018年12月的快递业务量月度数据为数据源（数据源自国家统计局网站），用求和自回归移动平均模型（ARIMA模型）建立预测模型，对比Holt-Winters季节乘法模型预测结果和实际值进行误差分析，选择ARIMA季节乘积模型，对未来我国的快递业务量进行预测，所得结果符合其发展规律。

二、基于ARIMA的快递业务量月度数据预测模型

本文通过访问国家统计局网站（http：//www.stats.gov.cn），获得了2010年1月到2018年12月我国快递业务量的月度数据，具体数据见表1所示（单位：万件）。

2.模型的建立

（1）模型的识别

（2）模型的定阶

从表2中可以发现，模型3号的模型拟合程度最优。并结合自相关函数和偏自相关函数图，选择3号模型，即■，确定模型阶数。

（3）模型的参数估计

从图1可以看出，可知模型最终可以表示为：

从图10可以看出，所有系数均通过了t检验，拟合情况如下：

从图3可以看出，用静态预测拟合效果良好，得到2018年1月到12月的预测值与真实值差距很小，所以选择该模型。

（4）模型的检验

从图4可以看出，该残差序列的Q统计量对应的p值高于的显著性水平0.05，因此应该接受原假设，残差序列为白噪声序列，模型总体显著。

3.模型的误差分析

由于数据既有趋势项又有季节项，建立Holt-Winters季节乘积模型对我国2018年12个月的快递业务量进行预测，对比实际值和ARIMA模型的预测值，算出相对误差，如表3所示。

从表3和图5可以看出，ARIMA（1，2，1）（0，1，1）模型预测的相对误差比Holt-Winters季节乘法模型预测的相对误差小。

由此可见，ARIMA（1，2，1）（0，1，1）模型拟合效果较好，预测精度更高，短期预测效果较好。故选择ARIMA（1，2，1）（0，1，1）模型，对未来我国快递业务量进行预测分析。

4.模型的预测

扩大ARIMA模型的样本范围，预测2019年1月至12月我国快递业务量的数据。如表4所示。

5.结果分析

从表3可以看出，2018年我国快递业务量的预测值与实际值相差不大，相对误差基本都很小，说明模型的预测效果较好。但大多数的预测值比实际值偏高，这是由于模型没有考虑到其他相关因素的影响，仅仅只对快递业务量进行了分析。

从表4可以看出，2019年1月至12月的预测值基本符合我国全年快递业务量的变化规律：快递业务量呈现出明显的周期性，月度高峰值出现在11月，而低谷值则出现在1月或者2月。这是由于各大电商都会在11月推出声势浩大的“双11购物节”，全民狂欢式网购使得快递业务量达到顶峰;而到了年初，快递公司由于春节到来纷纷停运，导致业务低谷的出现。

三、总结

我国快递业务总量近十年来一直在持续不断地高速增长，但从2017年开始增长速度开始有所放缓，而全年月度高峰值和低谷值的差距越来越大。所以，我们要研究快递行业的发展规律，对其进行客观、准确的预测，为相关政策的制定提供参考，使得我国快递业能够健康发展。

本文通过分析发现，我国快递业务量月度数据的特点是既有增长趋势又有季节波动，采取时间序列分析中的ARIMA季节乘积模型分析方法，建立ARIMA模型并进行参数估计及检验，对比Holt-Winters季节乘法模型预测结果进行比较分析，选择ARIMA季节乘积模型，对未来我国的快递业务量进行预测。从预测结果来看，预测效果较好，所得结果也具有一定的参考价值。

本文对快递行业的研究只分析了快递业务量的月度数据，还可以考虑研究快递业务收入以及年度数据，同时也可以采取不同的软件对我国快递行业发展的各项指标进行预测，考虑多种不同的影响因素，减少误差，拟合效果更好，预测精度更高。

参考文献：

[1]褚天舒.我国快递行业的现状及发展趋势[J].Business，2016（01）：247.

[2]于广生.我国快递业的发展现状、解决对策及未来趋势[J].商场现代化，2015（02）：55-57.

[3]徐希燕.中国快递产业发展研究报告[M].中国社会科学出版社，2009.

[4]舒心萍.快递稳居世界第一后该做些什么[N].青海日报，2018年1月15日.

[5]张迅雷，等.我国快递服务行业的行政法律规制初探[J].北京工业职业技术学院学报，2018，17（04）：121-124.

[6]徐国祥.统计预测和决策[M].第五版.上海：上海财经大学出版社，2016.

[7]王黎明，等.应用时间序列分析[M].上海：复旦大学出版社，2009.

[8]王燕.应用时间序列分析[M].北京：中国人民大学出版社，2015.

[9]易丹辉.数据分析与Eviews应用[M].北京：中国人民大学出版社，2014.

[10]马军胜.加快快递业供给侧结构性改革[J].中国物流与采购，2016（07）：38.

[11]肖彤，等.我国快递行业发展现状、成因及对策研究[J].法制与社会，2017（23）：179-181.

[12]张静，等.基于SARIMA模型的我国快递业务量预测[J].现代经济信息，2016（20）：350.

[13]程军.我国快递业发展对策研究[D].武汉理工大学，2004.

作者简介：朱志锋（1979- ），男，湖北孝昌人，博士，湖北工程学院数学与统计学院教师;肖诗雨（1997- ），女，贵州盘州人，湖北工程学院数学与统计学院学生