添玉，张琳娜

(上海海事大学物流工程学院，上海 201306)

0 引言

随着统计学理论的发展和计算机的出现，商业预测在企业战略决策中的作用越来越明显.本文通过对德国大陆汽车信息收集和业务开拓(Business Development and Marketing，BD＆M)的预测业务进行分析后，发现其对中国汽车市场的短期预测不够准确.究其原因，该部门采用的汽车产量数据来自GI(Global Insight)数据库，结果适用于长期预测，在短期预测方面具有滞后性，缺乏一定的适应性.

支持向量机(Support Vector Machine，SVM)是基于统计学习理论发展起来的新兴的机器学习方法.基于结构风险最小化原则，SVM将最大化分类间隔的思想与基于核的方法结合在一起，表现出很好的泛化能力.SVM具有坚实的数学基础，并且可以很好地克服“维数灾难”和“过拟合”等传统算法所不可规避的问题，已被广泛应用在数据挖掘［1］、需求预测［2］等领域.鉴于SVM的原理和特征特别适合小样本，本文提出一种中国汽车月产量的优化核函数参数的改进SVM预测模型，并应用在德国大陆汽车公司轻型汽车电子市场价值估计中.

1 统计学习理论与SVM

1.1 统计学习理论

统计学习理论就是研究小样本统计估计和预测的理论，主要包括4个方面［3］:(1)经验风险最小化准则下统计学习一致性的条件;(2)在这些条件下关于统计学习方法推广性的界的结论;(3)在这些界的基础上建立的小样本归纳推理准则;(4)实现新准则的实际算法.其中，最有指导性的理论结果是推广性的界，与此相关的一个核心概念是VC维……