现今随着中国经济的不断发展,中国已经跃居为世界上最大的汽车产销国。汽车工业也成为带动中国经济发展的重要因素之一,所以对汽车销量进行精准的预测,有利于生产商制定更加合理的生产销售计划,也能有效的防止因产能过剩而出现的一系列问题。目前大部分针对汽车销量预测的研究都是依据历史销售数据,使用时间序列进行预测。预测的对象也大都是针对一个地区或整个市场上所有汽车的需求量,没有针对单一的一个车型或者品牌的预测方法。这些研究忽略了互联网中海量的汽车评论信息,缺乏对这些网络大数据的深入挖掘。所以,本文提出一种构造汽车销量预测模型的方法,针对单一车型,使用情感分析技术,从评论数据中挖掘情感信息;然后结合评论情感和历史销售数据,构造单一车型销量预测模型SAR(Sentimental Auto-regressive model)。通过和经典的自回归模型(AR:Auto-regressive model)进行对比实验,证明本模型在针对单一车型的销量预测上具有更好的效果。另外,本文将评论信息按照舒适、动力、安全、经济、操控和服务六个方面进行分类,通过分析这六个方面情感值在预测中的表现,可以判断消费者注重汽车的哪些方面,为车企的汽车设计提供依据。汽车作为高价值商品,影响其销量的因素有很多,有汽车自身的因素,还有一些外部影响因素。而传统的汽车销量预测研究只考虑其中一种或两种影响因素。本文通过格兰杰因果关系检验,确定了人均GDP、公路里程、钢铁产量和汽车评论情感这四个影响因素,然后通过灰色关联度分析确定影响的大小。最后基于这几种影响因素进行回归分析,构建汽车销量预测模型。实验表明该模型在汽车销量的预测中平均相对误差较小,预测精度较传统预测方法有较大的提高。本文从不同角度提出的两种预测模型,对于汽车销量预测有应用价值和借鉴意义,能够为汽车生产商制定生产、销售计划提供支持。