基于网络搜索指数的市场预测模型及应用研究

发布时间：2017-03-22 02:07

  本文关键词：基于网络搜索指数的市场预测模型及应用研究，，由笔耕文化传播整理发布。

【摘要】：及时有效的市场预测,一直以来都是理论与实践界关注的焦点问题。传统预测技术由于其存在的局限性,限制了预测的有效性及应用领域的扩展。近年来,随着搜索引擎技术的发展与人们获取信息渠道的改变,基于网络搜索数据的全新预测技术应运而生。然而,现有研究尚处于初级阶段且多集中在国外,网络搜索数据源也多以谷歌趋势为主,并且在诸如搜索关键词选择、网络搜索指数合成及预测模型设定等多方面非常值得继续深入研究,且其在不同领域的实际应用效果也有待进一步的研究与验证。基于此,本文从探究国内网络搜索数据具有的预测价值出发;首先,进行消费者网络信息搜索与产品市场销量间相关性的理论框架搭建;并在此基础之上,建立网络搜索指数合成体系。然后,构建分析模型,并选择实例对象开展实证研究;最后,进行预测模型效果对比研究及网络搜索指数源差异比较分析。主要研究内容及结论如下:1.探讨了国内网络搜索数据具有的市场预测价值。本文以汽车销量为例的实证研究结果表明,网络搜索数据虽与产品历史销量数据所包含的信息存在一定交叉关系,但同时包含了较多历史销量数据所没有的新信息,能够显著提高预测模型对未来产品销量波动的解释效力;并且网络搜索数据所包含的新信息对产品销量的近期波动反应更敏感,具有很强的预测时效性。2.构建基于网络搜索指数的市场预测模型并验证预测效果。实证结果显示,本文所构建的产品销量预测模型相比对比模型,实际预测精度更高,同时还显示出极强的时效性。在对细分车型帕萨特月销量进行实际预测时,模型的拟合度达81.8%,预测的平均绝对误差为0.122,且相比传统统计部门发布的数据至少提前一个月以上。特别的,在预测模型网络搜索数据变量引入方面,本文对网络搜索指数合成方法所做的改进被证明是简单有效的,相比类似研究中所采用的时差相关性合成和逐步合成的搜索指数处理方法效果更好。3.对不同网络搜索指数源的预测效果差异进行了探讨。本文对比考察了引入百度指数与360指数的模型预测效果。结果显示,两指数平台的网络搜索数据与产品的市场销量间均存在较显著的相关关系;从整体上来看,基于百度指数源的预测模型解释力更强(R-squared=0.8180.711)。对导致这种差异原因的初步分析进一步表明,两网络搜索指数源存在多方面的差异性。本文在网络搜索指数合成及网络搜索数据源差异探讨等方面所做的有益扩展,丰富了基于网络搜索指数的市场预测相关理论研究;而且,基于汽车行业的实证分析,显示出本文所构建的市场预测模型具有很强的实际预测效力,能够为类似产品市场预测提供有效的决策参考。
【关键词】：市场预测 网络搜索指数 预测模型 回归分析 主成分分析
【学位授予单位】：重庆邮电大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F49;F426.471
【目录】：

• 摘要3-5
• Abstract5-10
• 第1章 绪论10-17
• 1.1 研究背景10-11
• 1.2 研究内容及意义11-12
• 1.2.1 研究内容11-12
• 1.2.2 研究意义12
• 1.3 研究框架及方法12-15
• 1.3.1 研究框架12-14
• 1.3.2 研究方法14-15
• 1.4 研究创新点15-17
• 第2章 文献综述17-30
• 2.1 网络搜索指数概述17-22
• 2.1.1 网络搜索指数介绍17-19
• 2.1.2 百度指数19-21
• 2.1.3 360搜索指数21-22
• 2.2 市场预测与传统预测方法概述22-24
• 2.2.1 市场预测发展概述22-23
• 2.2.2 传统预测方法概述23-24
• 2.3 引入网络搜索数据预测的文献综述24-29
• 2.3.1 研究起源24
• 2.3.2 网络搜索与经济行为相关性研究综述24-25
• 2.3.3 在经济市场预测方面的研究综述25-29
• 2.4 本章小结29-30
• 第3章 理论框架与网络搜索指数合成体系30-46
• 3.1 基于消费者网络信息搜索的模型理论框架30-35
• 3.1.1 消费者购买决策过程30-31
• 3.1.2 AIDMA模式与AISAS模式31-33
• 3.1.3 模型理论框架33-35
• 3.2 网络搜索关键词库构建35-39
• 3.2.1 关键词选择方法35-37
• 3.2.2 关键词库构建步骤37
• 3.2.3 关键词筛选37-39
• 3.3 关键词搜索指数合成39-44
• 3.3.1 网络搜索指数合成方法39-42
• 3.3.2 关键词搜索指数合成42-43
• 3.3.3 主成分分析法简介43-44
• 3.4 本章小结44-46
• 第4章 基于网络搜索指数的市场预测模型及应用研究46-63
• 4.1 研究模型构建46-48
• 4.1.1 相关研究模型回顾46-47
• 4.1.2 基于网络搜索指数的市场预测模型构建47-48
• 4.2 实例对象与数据来源48-50
• 4.2.1 实例对象选择48-50
• 4.2.2 研究数据来源50
• 4.3 网络搜索指数合成50-55
• 4.3.1 搜索关键词库50-53
• 4.3.2 搜索指数合成53-55
• 4.4 模型估计与预测分析55-62
• 4.4.1 数据检验与参数选择55-57
• 4.4.2 模型估计与结果57-60
• 4.4.3 模型预测效果60-62
• 4.5 本章小结62-63
• 第5章 基于网络搜索指数的市场预测模型比较研究63-72
• 5.1 基于网络搜索指数的销量预测模型效果比较63-67
• 5.1.1 比较对象63
• 5.1.2 研究数据63-65
• 5.1.3 模型估计与结果分析65-66
• 5.1.4 模型预测效果对比分析66-67
• 5.2 基于360搜索指数源的模型预测效果比较67-71
• 5.2.1 研究数据67-68
• 5.2.2 模型估计与预测结果68-69
• 5.2.3 预测效果差异探析69-71
• 5.3 本章小结71-72
• 第6章 研究结论与展望72-76
• 6.1 研究结论72-74
• 6.2 研究局限与展望74-76
• 参考文献76-81
• 附录A 360指数源的搜索指数合成主成分方差提取表81-82
• 附录B 360搜索指数抓取工具82-83
• 致谢83-84
• 攻读硕士学位期间从事的科研工作及取得的成果84

【参考文献】

中国期刊全文数据库 前10条

1 孙毅;吕本富;陈航;薛添;;基于网络搜索行为的消费者信心指数构建及应用研究[J];管理评论;2014年10期

2 董倩;孙娜娜;李伟;;基于网络搜索数据的房地产价格预测[J];统计研究;2014年10期

3 王博永;杨欣;;基于网络搜索的房地产政策调控效果研究[J];管理评论;2014年09期

4 刘志明;;使用微博数据进行预测的研究综述[J];科技管理研究;2014年13期

5 宫剑;李洁玲;;基于神经网络的药品需求组合预测研究与应用[J];中国管理信息化;2014年08期

6 李秀婷;刘凡;董纪昌;吕本富;;基于互联网搜索数据的中国流感监测[J];系统工程理论与实践;2013年12期

7 彭赓;苏亚军;李娜;;失业率预测研究——基于网络搜索数据及改进的逐步回归模型[J];现代管理科学;2013年12期

8 王守中;崔东佳;彭赓;;基于Web搜索数据的宝马汽车销量预测研究[J];经济师;2013年12期

9 刘俊娥;慕柠咛;刘丙午;;固有模态SVM预测模型在零售销量预测中的应用[J];物流技术;2013年21期

10 倪冬梅;赵秋红;李海滨;;需求预测综合模型及其与库存决策的集成研究[J];管理科学学报;2013年09期

  本文关键词：基于网络搜索指数的市场预测模型及应用研究，由笔耕文化传播整理发布。

本文编号：260678