能源是经济的命脉，关系着国民经济的发展和人民生活水平的提高。我国目前石油供需矛盾十分突出，自2003年以后，我国已成为世界上仅次于美国的第二大石油消费大国。另外，国际油价的变幻莫测，2007年下半年起，国际市场油价进入了史无前例的快速上涨期。2008年1月初，纽约市场油价历史上首次触及并突破每桶100美元大关，油价从此进入3位数时代到2008年7月11日，纽约市场油价创下每桶147.27美元的历史最高纪录，直至9月2日，纽约市场油价开始大幅回落，年底降到每桶40美元以下，下滑速度为1983年以来仅见。09年1月实行的成品油税费改革，国内成品油价格实行与国际市场原油价格有控制的间接接轨，以国际市场原油价格为基础，加国内平均加工成本、税收、流动环节费用和适当利润确定。成品油价格调整既反映了国际市场石油价格变化和企业生产成本，又考虑了国内市场供求关系；既反映了石油资源稀缺程度，又兼顾了社会各方面承受能力。这样的成品油定价体制将更加符合市场的要求，能够更好地体现出资源的稀缺性，同时使对成品油需求量预测也显得更加重要。　　 随着国民经济的快速增长，国内汽油消费大幅增加，汽油需求量预测有利于国民经济平稳较快的发展，有利于加快能源行业健康发展，有利于制定完善的汽油储备规划，因此对汽油消费量的准确预测十分必要。另外，石油及化工行业涉及生产、流通及终端消费领域，在国民经济体系中扮演着重要角色，汽油需求量的变化引起各界的广泛关注。对汽油需求量的预测可以帮助石化企业调整汽油储备量，从而减少成本，使石化企业能够灵活的根据市场变化及时调整生产经营策略。本文研究的现实意义是通过提高汽油表观消费量预测准确性及及时性从而指导生产和存储，节约能源。　　 本文结合了定性与定量分析方法对市场进行分析，结合行业发展变化特点从数据中挖掘市场变化规律。定性分析为定量分析指引方向，定量分析为定性分析理清细节关系。　　 本文的定性分析侧重于我国成品油市场和汽油市场两个方面。目前，我国石油资源相对匮乏，当前石油工业的后备资源严重不足，石油可采储量的增长速度不及一些老油田产量的递减速度，储采比开始逐年下降。从消费结构来看，汽油的主要用户是交通运输业(汽车、铁路、水运、民航等)和工农业(农业、渔业、发电、厂矿等)生产等，另外还有化工用油(用于乙烯裂解原料和PX原料等)。国内成品油市场的主要特点为：1.成品油消费增幅前高后低2.成品油产量增幅前低后高3.成品油供需矛盾日益突出，市场前期资源紧张，后期产品滞销。主要问题有：能源瓶颈日益突出、消费需求与供应不相适应，缺口越来越大、勘探开发难度加大，投资和成本不断上升等。汽油表观消费特点为全国汽油消费增加较快，汽油消费呈现全年不均衡的状态，汽油消费淡旺季特征突出，高标号汽油消费比例增加明显，乙醇汽油消费增加较快，全国各地区汽油消费差距较大。　　 本文的定量分析基于2001年1月至2008年12月间汽油需求量及相关行业、宏观经济等的月度历史数据，运用时间序列分析方法，借助计算机软件建立统计学模型寻找数据间的联系，挖掘汽油需求量波动产生影响的主要因素及其影响方式，根据历史规律预测汽油需求量的未来走势。在模型选择方面，国内很多学者对影响汽油需求的影响因素、汽油需求预测以及预测方法做了大量的研究，提出了许多汽油需求预测方法。在这些对汽油预测方法的应用中，国内仍然以定性分析为主，对于定量分析的研究也多停留在较为简单的经典模型的建模分析上，如消费弹性系数预测法、回归分析预测法、消费结构预测法等。本文首次将ARIMAX模型引入到对汽油表观消费量的预测中，从而更好的对市场环境加以把握，预测精度显著提高。这种方法在国内该行业内尚属尝试阶段，属于本文的创新之处。时间序列分析方法包括确定性时间序列分析方法和随机性时间序列分析方法。确定性趋势虽然控制了时间序列的基本样式，但毕竟不是时间序列变动的全貌，随机性时间序列分析方法是根据随机理论对随机序列进行分析，这种方法预测精度一般比较高，但它往往要求序列为平稳序列，对于非平稳序列。在此基础上，用ARIMAX模型来刻画时间序列的一般规律，预测某些类型的非平衡序列往往能取得令人满意的效果。　　 在使用ARIMAX方法建模的过程中需要经历四个过程，明确研究目标，整理数据，模型筛选，参数确定。其中数据预处理以及模型确定部分最为重要。其中数据预处理保证数据的正确性和完整性，是基于数据建模分析的基础；模型选择，参数确定需要投入大量精力进行各项指标的比较和权衡，从而确定一个比较满意的模型。当然，基于数据的建模分析是一个动态过程。一方面随着数据不断积累，可以选择更多的变量解释价格的变化；另一方面不同时期时间的序列变化模式可能有所不同，从而需要不断得将新数据纳入系统调整模型，以保证分析、预测效果的可信程度。　　 总之数学模型在商业预测中起到的作用是帮助市场分析人员明确主要影响因素及其影响方式，对于不同方向的作用力进行权衡，这种基于数据分析的结果仍需要定性分析把握方向，因此实际操作中需要将定性定量分析相结合，两者特点相互补充从而获得最佳的预测结果。