我们的预测方面，我给它定义为竞争性预测。要考虑做到车型的预测，不仅是宏观需求量有多少，还要考虑到各自产品的竞争关系如何。理下来，要做到竞争性的预测，从大的方面来讲有三个层面：一个是宏观政策方面，这部分是通用的。第二是企业自身的，包括产品的情况，产品生命周期的情况，还有产能包括自身的情况，包括营销策略、营销方案的情况，同时还要考虑到，针对某一个车型，还有竞品群的设定，和竞品的关系怎么样，竞品这块，从产品和营销组合上的对比怎么样，只有把这三个层面理清楚，我们认为才能真正做到分车型的预测，把预测还是真正做到细化的程度。

下面再简单介绍一下需要考虑的整体因素。如果真正做到分车型的预测，3到5年也是可以，但是从宏观上好一些，但是分车型的话我们更注重短期的预测，12个月或一年之内滚动的预测。像通常要考虑的季节性的因素，这肯定都是考虑的因素之一，就不用讲得太多了。

作为宏观的因素还有一个非常重要的，就是政策方面的因素。政策方面的因素，我们会结合近期推出的一些相关政策，对于政策的效果做一个整体的评估。对于哪些车型是增是减，比如说前一阶段的国6，前一阶段大家都在消化国5的库存，实际上也是一种透支的行为，这都是相应的政策因素导致的。政策的变化应该说还是比较多的，我们也会根据每个政策做相应的政策评估，形成整体的政策因素的影响。

自身的因素，这一部分是别的预测方法很少考虑的，包括产品周期的情况、改型的情况，以及产品性能指标的对比。这一部分包括产品力和营销力，我们都会形成相应的评价指数，纳入到整体的模型当中。这一部分的内容是我们评价的方法所需要考虑的内容。

第二块，要提到竞争性，特别要考虑竞品圈的构成，各自车型之间的竞争关系如何。你自身的品种和你的竞品之间，从产品力上，从营销方案上，这部分的整体评价，我们也会形成相应的竞争性的指数，纳入模型当中。这是我们的这种方法比较突出的一个特点。

最后一块，除此之外我们还考虑消费者的行为因素。通过相应的大数据，对于你的车型和其他相关车型的对比指数、市场口碑的状况进行评估，这些都是直接影响消费者是买你的车还是买别人的车。这也要考虑到竞争性的关系，这一部分也是需要我们广泛采集的。这样做下来，需要采集的数量，包括需要处理的数据量非常庞大。

梳理之后，我们提炼出来经济与政策变量，供给变量与需求变量，形成七个方面的指数，对于最后预测的结果会产生比较重大的作用。像经济与政策变量，一个是宏观经济的指数，一个是政策影响的指数。供给变量要考虑到竞品的指数、终端价格指数等。我们把这些纳入到七大指数里面，当然这个指数下一级还会分二级、三级等对应指标，这样就形成整个的预测模型。