摘要：本文对发展迅速的快递行业进行研究，选取河南省月度快递业务量，考虑到月度快递业务量的趋势性、季节效应，通过建立ARIMA简单季节模型对快递业务量进行预测。结果表明，該模型预测效果较好。

Abstract： This paper studies the fast-growing express delivery industry， selects the monthly express delivery volume of Henan Province， and considers the trend and seasonal effect of monthly express delivery volume， and forecasts the express delivery volume by establishing the ARIMA simple seasonal model. The results show that the model has a good prediction effect.

关键词：时间序列分析;ARIMA模型;快递业务量

Key words： time series analysis;ARIMA model;express traffic

中图分类号：F259.1;F224                               文献标识码：A                                  文章编号：1006-4311（2019）17-0271-03

0  引言

随着电子商务的兴旺、蓬勃发展，消费者的购物方式悄然发生了变化，网购成为了重要的购物方式。购物方式的变化带动了快递行业的迅猛发展。

对于快递行业的企业，业务量的变化对人员管理、投资决策等产生重要影响，因此快递业务量的预测对企业的经济决策有着重要参考依据。为了有较高的预测精度，需要对业务量时间序列数据进行有效合理分析、挖掘，建立业务量预测模型。

对于快递业务量的分析，学者采用了不同的模型和方法进行了分析，如灰色预测模型、组合预测、时间序列分析模型等等。

对于数据较少的，可采用灰色预测模型。洪琼[1]等根据江苏省2009至2017年规模以上企业快递业务量年度数据，用灰色预测模型GM（1，1）对其进行预测，认为江苏省的快递市场需求的增长势头迅猛。孙丽[2]基于我国2008至2014年我国快递业务量数据运用GM（1，1）模型进行拟合，拟合精度较高。可运用该模型对业务量进行预测。

对于时间跨度较长的数据，考虑到快递业务量具有长期趋势性、季节性、短期波动等特点，建立模型时需要考虑其特点，商丰瑞等[3]利用SARIMA模型对我国月度快递业务量进行预测分析;张仲斐等[4]利用四大快递公司的季度跨国快递业务量数据建立了基于ARIMA模型，该模型短期预测效果良好。……