1 研究背景与分析目标

汽车月度销量受到季节、品牌竞争、产品生命周期和外部环境共同影响。车系级销量预测可为库存计划、生产排期和营销资源配置提供参考。本案例不追求复杂算法，而是强调清晰的数据流程、合理的时间划分和可解释的结果。

2 数据来源与字段说明

观察单位为“车系—月份”。字段包括车系、品牌、销售年月、车系类型、能源类型、车型尺寸、品牌原产国、车型上市年份、品牌成立年份及销量。原始数据无缺失值，重复记录在建模前删除。

完整代码数据集报告https://mbd.pub/o/bread/YZaUlJlrZw==

3 分析与建模流程

流程依次为：数据质量检查、市场探索分析、历史销量特征构造、按时间划分训练/验证/测试集、四种简单模型比较、测试集误差诊断。所有滞后和滚动特征均只使用当前月份以前的数据。

3.1数据质量检查

原始数据包含39,496条记录和12个字段，各字段均不存在缺失值；共发现4条完全重复记录。重复比例很低，但重复记录会改变样本权重，因此建模前删除，保留39,492条唯一记录。

3.2.年度销量与同比变化

年度销量在2017年达到样本期高位，2019—2020年出现回落，2021年后恢复。年度变化并非稳定直线，因此预测不能只依赖年份趋势，必须结合车型自身的近期销量。

3.3 月度销量趋势

3.4 月份季节性

12月的单车系平均销量最高，约4,681辆；2月最低，约2,736辆。月份差异说明春节、年末促销和购车节奏会形成周期性，因此模型加入月份、季度和正余弦周期特征。

3.5年度—月份热力图

多数年份的2月颜色偏浅，而9—12月通常更深，季节模式具有一定重复性；但相同月份在不同年份的强度仍有差异，说明宏观环境和产品结构也会改变销量水平。

3.6车系类型销量结构

轿车销量占比约49.2%，SUV约44.0%，两者构成主要市场。MPV样本与销量占比较低，模型对该类别的预测稳定性通常弱于主流类别。

3.7车型尺寸销量结构

3.8能源类型份额变化

3.9品牌原产国销量

中国品牌累计销量位居前列，德国和日本品牌也占有较大市场。原产国可以反映整体品牌基础，但同一国家内部品牌差异较大，因此仍需保留品牌和车系信息。

3.10.头部品牌销量

3.11历史销量特征相关性

当前销量与上月销量相关系数为0.92，与近3个月滚动均值相关系数为0.92。近期销量是最重要的预测依据，滚动统计均先后移1个月，避免使用当月目标信息。

4 特征工程与时间划分

• 滞后销量：前1、2、3、6和12个月销量

• 滚动均值：过去3个月和6个月平均销量，计算前先后移1个月

• 时间特征：年份、月份、季度和月份正余弦

• 生命周期：车型上市年限、品牌成立年限和历史月份数

• 变化指标：上月销量相对于前两月的变化比例

• 类别变量：车系、品牌、类型、能源、尺寸和原产国

4.1 时间划分

• 训练集：2016—2020年，共25,770条记录。
• 验证集：2021年，共5,964条记录，用于选择模型。
• 测试集：2022年，共6,521条记录，仅用于最终评价。

4.2 模型设置

• 上月销量基线：直接使用上一月销量作为预测。
• 岭回归：作为线性模型基线，处理多类别特征。
• 决策树：最大深度12，叶节点至少10条样本。
• 随机森林：60棵树，最大深度16，不进行参数搜索。

5 验证集模型结果

5.1简单模型验证结果比较

2021年验证集上，随机森林的RMSE最低，为2,256辆，R²为0.847。上月销量基线已经较强，随机森林在不进行复杂调参的情况下进一步改善结果。

5.2 2022年独立测试结果

5.3真实销量与预测销量

月度总量预测

5.4随机森林特征重要性

5. 5不同销量区间的预测误差

\

随着真实销量区间上升，平均绝对误差明显增大。低销量样本数量多但单条误差较小，高销量车型数量少却对RMSE贡献更大，业务应用中应对不同销量层级设置不同误差容忍范围。

7 结论与改进方向

7.1 主要结论

• 样本覆盖2016—2022年，数据完整，仅有4条重复记录。
• 12月平均销量最高，2月最低，季节性明显。
• 。。。。

7.2 案例局限性

• 数据没有价格、折扣、促销、库存和产能字段。
• 。。。。。

7.3 后续可扩展方向

具体细节见原文

创造不易，谢谢各位多多点赞收藏！