论文部分内容阅读
本文是利用统计预测的方法,建立对北京首都机场国际及国内航班量的预测模型;根据预测模型的预测结果,建立北京机场航线维修业务2004至2008年的发展规划。 北京首都机场的发展远景和航线维修业主要特点和概况如下: 北京首都国际机场处于亚太地区门户城市的有利位置,今后将发展成为东北亚地区、乃至全球地区的大型复合性枢纽机场。中国加入世界贸易组织、2008年夏季奥运会在北京的召开、以及全球航空业“天空开放”政策的驱动,都为首都机场的发展注入了新的活力。 航空维修服务是指为飞机营运人(航空公司/航空货运公司等)提供航空器及其零部件的维修服务;按照业务性质可以分为航线维修、飞机大修和改装,发动机修理和大修,附件修理和大修。2002年,全球航线维修市场总市值中,航线维修业务占22.4%。 航线维修按照业务类型分为航前检查,过站检查和航后检查;按照业务特点分为地面勤务、技术支援和技术放行。航线维护服务的客户群主要是飞机营运企业,具体包括航空公司、航空货运公司、包机公司等。航空公司或者航空货运公司一般直接控制其运营基地的航线维修业务,管理方式是由自己的机务维修部门(基地)或者剥离出来的维修分(子)公司承担这部分航线维修服务(当然也有一些中小型航空公司对于航线维修服务采取全部外包的模式)。对于非基地运营的外站,航空公司一般采取(部分或者全部)委托当地维修企业并派驻机务代表的方式进行航线维护工作。因此航线维修市场在一定意义上是本地的市场。 航线维修与航空公司运营紧密相关,航前/过站/航后检查通常在执行航班前或者每日执行航班任务后进行,因此航班量的增减直接影响了航线维护的工作量。受“天空开放”潮流的影响和中国经济发展的推动,国内和国外的航空企业将不断增加在中国枢纽城市的航班量,以扩大运输能力来满足迅速增长的航空运输的要求。北京首都机场的快速发展,必将带动北京航线维修业务的增长。 因此要建立航线维修业务2004至2008年的发展规划,必须先建立北京机场2004至2008年的航班量预测模型。 当然,要建立2004至2008年的航班量预测模型,必须掌握预测的的基本流程和主要方法。 预测主要包含五个阶段。 第一阶段:搜集数据阶段。预测人员必须首先了解预测的目的,即最终要获得什么样的预测结果,才能够根据预测的目的来选择预测所需要的数据变量。 第二阶段:修正数据阶段。数据获得后,往往要观察数据分布的大致形态,看是否存在奇异点;如果存在奇异点,要排除造成这些奇异点的一般经济规律之外的异常因素,对数据进行修正,否则这些奇异点将对预测结果的精确性产生极为不利的影响。 第三阶段:对过去的某一段时期的数据进行模型拟合。同时用几种模型拟合,根据对残差的判断、对模型中有关系数进行的假设检验的测试,选取效果较好的两到三个模型,进行预测建模。 第四阶段:利用上述拟合模型,对掌握时期的历史数据进行模型预测。再次检查预测数据的残差情况,选取残差最小、可决系数最大的模型作为最终进行预测的模型。 第五阶段:采用上述最优模型,利用掌握的全部历史数据对未来进行预测。 第六阶段:对模型的监控。随着外界因素的不断变化,影响模型的变量可能会有增加或者减少,因此需要不断用获得的实际数据对模型的精度进行检验。预测的过程实质上是个循环往复的闭环。 预测的主要方法包括解释类模型和时间序列模型。解释类模型包括一元、多元回归。时间序列模型包括:时间序列分解,移动平均,指数平滑,自回归积分滑动平均(ARIMA)等方法。 按照预测的基本流程,可以采用统计分析的方法对分别对国内航班量、国际航班量进行预测,并对北京首都机场航线维修市场2004至2008年的总量进行测算。 对数据模式进行观察,可以发现由于SARS的影响,2003年国内和国际航班量均发生了大幅度的滑坡,如果对这部分奇异值不进行修正,则这部分数据会对后面的数据拟合和预测产生极为不利的影响。因此,应根据经验对2003年的国内和国际航班量数据进行修正。 然后,利用修正后的数据进行数据拟合。无论是对国内还是国际航班量进行预测,首先尝试采用回归的方法进行数据拟合。通常,使用回归的方法可以进行中长期的预测。当然使用该方法的前提是,对因变量产生影响的一个或者多个自变量可以识别并且相关数据可以获得。但对国内或者国际航班量产生影响的因素很多,难以一一识别并且数据很难获得,因此仅能使用一元回归的方法,对国内和国际航班量进行基于时间的回归曲线拟合。观察几种拟合模型(如二项式模型,线性模型等)的残差报告,可以发现残差的自相关系数和偏自相关系数都不随机,呈现季节变动规律。可见,采用基于时间的回归曲线拟合不适用于对首都机场国内和国际航班量进行预测。 经过验证,可以采用时间序列模型对国内和国际航班量进行预测。由于数据具有明显的趋势上升和季节变动规律,因此考虑采用季节指数平滑法和自回归积分滑动平均法分别对国际和国内航班量进行数据拟合和预测。 统计分析表明,对国内航班量进行数据拟合,季节指数平滑法的拟合和预测结果要优于ARIMA的结果,这可以从残差自相关系数、偏自相关系数报告和可决系数的比较得出;而对国际航班量进行数据拟合和预测,ARIMA的方法要优于季节指数平滑法。 最后,利用上面的模型,分别对国内和国际航班量进行中期预测,就得出了2004至2008年的月度航班量结果。 根据2004至2008年的航班量预测结果,基于一定的工时价格和器材消耗量假设,计算2004至2008年北京航线维修市场的总市值。 基于上面的市场预测,就可以建立A公司航线维修业务2004至2008年的发展规划。 A公司是位于首都机场的中德合资的航空维修企业,具有综合的维修能力。其航线维修业务量在北京市场中占有2/3的份额,并占据着国际的高端市场。 根据对A公司航线维修业务的SWOT分析,可以看到A公司必须对现有的业务模式进行改革,以应对未来的挑战,巩固其在北京市场的霸主地位。 基于上述业务模式,根据增长预测、价格和市场份额假设,建立了2004至2008年的发展模型。具体包括2004至2008年损益状况、人员发展状况、投资状况以及五年投资报酬率分析。由于市场份额和价格水平对规划模型具有显著影响,发展规划中还基于这两个因素进行了风险分析。 综上,A公司的航线维修业务具有良好的发展前景,并将为A公司带来丰厚的回报。