.研究背景及意义
1.1 研究背景
汽车市场中，我国分期付款，消费形式等方面，渗透率远远低于发达国家。但是消费观念随时间而快速改变，同时汽车金融也在大力发展，推动着我国汽车消费市场变得更加壮大，我国汽车市场的消费潜力正加速释放，汽车消费即将在全国普及，带动我国汽车行业更大的发展。据中国产业调研网发布的2017版中国汽车销售行业深度调研及发展趋势分析报告显示，17年全球汽车行业形势整体较好，产销量双双突破9000万大关其中，中国汽车产销创历史新高，全年产销量分别为2811.9万辆和2802.8万辆，同比分别增长14.5%和13.7%，增幅比上年分别提升11.2个百分点和9.0个百分点，位列全球首位。
正是在这样一个欣欣向荣的汽车市场中，对于乘用车的销售预测就显得尤为重要，据2018年乘用车市场特征分析报告显示，乘用车库存情况一直不容乐观。中国汽车流通协会的数据则显示，2018年12月国内汽车经销商库存预警指数为66.1%，已经连续第12个月位于警戒线之上；汽车经销商综合库存系数为1.73，环比下降10%。虽然库存情况较前几个月有所好转，但仍远高于警戒线，整体市场不乐观。
1.2 研究意义
在以往的销售模式中，并没有对乘用车的市场需求进行预测，或者预测不够精确，这会导致两种情况的发生：一是生产大于需求导致库存过多，产生更多仓促费用，降低了利润；二是生产不足导致无法及时满足市场需求。故对乘用车销售预测分析系统进行研究是十分有必要的。
基于可靠预测的战略规划是一个以市场为导向的公司成功经营的关键因素。汽车工业尤其如此，因为它是许多国家最重要的部门之一。可靠的预测不能仅仅基于对市场发展的直观的经济猜测。数学模型对于预测的准确性和计算的效率是必不可少的，而强大的计算机资源的增加也支持了这一点。
2.汽车销售预测分析系统概述
汽车销售预测分析系统主要基于可靠性预测。在时间序列模型的基础上，利用Berkovec建立的汽车市场新车销售和二手车库存的一般均衡模型对其进行研究。时间序列模型在新车登记预测中的应用最早由Lewandowski在20世纪70年代建立。在此基础上，利用Berkovec建立了汽车市场新车销售和二手车库存的一般均衡模型。因此，均衡意味着对每种车辆类型的需求等于供给。后来，Dudenhoffer和Borscheid发表了时间序列方法在德国汽车市场的重要应用。然而，到目前为止，在这一研究领域所做的努力很少。
基于统计学习理论的方法是深入了解大量经验数据及内部关系的有力工具。因此，他们能够做出可靠的，甚至是高度准确的预测。然而，数据挖掘算法在过去的几十年里变得越来越复杂。在这项工作中，预测的准确性与模型的可解释性同等重要。因此，这里只使用经典的数据挖掘方法。
