基于時間序列分析的商品銷量預(yù)測

韓抒航 張雨 劉勝涵

摘要;隨著我國經(jīng)濟(jì)技術(shù)的不斷發(fā)展，信息產(chǎn)業(yè)的進(jìn)步，人們的消費(fèi)水平不斷提高，消費(fèi)觀念也在發(fā)生變化，更加注重通過消費(fèi)提升生活品質(zhì)，追求個性化、健康的生活方式。在新零售行業(yè)，消費(fèi)市場逐漸轉(zhuǎn)變?yōu)橐灶櫩蜑橹行?。對于消費(fèi)者而言，繁雜的購物推薦信息會使得顧客感到困惑，零售企業(yè)如果能夠準(zhǔn)確地預(yù)測顧客的需求，根據(jù)需要推薦提供商品，會讓顧客的選擇更加輕松。收集相關(guān)的銷售數(shù)據(jù)，建立分析顧客需求特征的指標(biāo)體系，精準(zhǔn)分析顧客的需求，提供符合顧客要求的個性化產(chǎn)品，能夠提升顧客的消費(fèi)體驗(yàn)，提高企業(yè)的經(jīng)營效率。

本文以某零售企業(yè)生產(chǎn)的 N 款產(chǎn)品，在華東區(qū)內(nèi)的相關(guān)數(shù)據(jù)為例，預(yù)測指定的商品在2019年10月1日后3個月的銷售量，并對預(yù)測值進(jìn)行評估。采用時間序列分析的方法來進(jìn)行預(yù)測，利用Excel，python pandas，篩選出2019年6月1日至2019年10月1日內(nèi)累計銷售額排名前10的小類，將其作為目標(biāo)小類，之后再利用spss分析銷售量隨時間的變化情況，最后得出預(yù)測值，并計算出MAPE值來進(jìn)行評估。

關(guān)鍵詞：時間序列分析;預(yù)測;銷售量

隨著經(jīng)濟(jì)社會的不斷發(fā)展，人們的消費(fèi)水平不斷提高，消費(fèi)觀念也在發(fā)生變化，消費(fèi)更傾向于購買雅觀、個性化的商品。在新零售行業(yè)，顧客成為消費(fèi)活動的中心對于企業(yè)而言，零售企業(yè)如果能夠準(zhǔn)確地預(yù)測顧客的需求，根據(jù)需要推薦提供商品，會讓顧客的選擇更加輕松。收集相關(guān)的銷售數(shù)據(jù)，建立分析顧客需求特征的指標(biāo)體系，精準(zhǔn)分析顧客的需求，提供符合顧客要求的個性化產(chǎn)品，能夠改善顧客的購物體驗(yàn)，有助于企業(yè)提高銷量。

目前，商品需求預(yù)測的方法主要有定性預(yù)測和定量預(yù)測有兩種。定性預(yù)測容易受到主觀因素的影響，不適用于對大量商品的預(yù)測，預(yù)測精度會伴隨預(yù)測者對商品銷售的熟悉程度發(fā)生巨大變化。定量預(yù)測方法包括簡單移動平均法和加權(quán)移動平均法等。簡單移動平均法和加權(quán)移動平均法僅適用于需求相對穩(wěn)定，無季節(jié)性變化趨勢的情況。而對于加權(quán)平均法，權(quán)重賦予具有很大的主觀性。

一、模型建立

1. 模型準(zhǔn)備

（1）數(shù)據(jù)準(zhǔn)備

首先我們使用EXCLE將數(shù)據(jù)進(jìn)行預(yù)處理，然后利用python數(shù)據(jù)處理第三方庫對所有小類進(jìn)行處理分析，篩選出歷史銷售時間處于2019年6月1日至2019年10月1日內(nèi)且累計銷售額排名前10的小類作為目標(biāo)小類，本小問使用SPSS軟件分析銷售量隨時間變化的情況，得出預(yù)測值進(jìn)行MAPE值的計算。

（2）模型假設(shè)

1.承認(rèn)事物發(fā)展的延續(xù)性。應(yīng)用過去數(shù)據(jù)，就能推測事物的發(fā)展趨勢。

2.考慮到事物發(fā)展的隨機(jī)性。任何事物發(fā)展都可能受偶然因素影響，為此要利用統(tǒng)計分析中加權(quán)平均法對歷史數(shù)據(jù)進(jìn)行處理。

（3）模型基礎(chǔ)

時間序列分析是根據(jù)系統(tǒng)觀測得到的時間序列數(shù)據(jù)，通過曲線擬合和參數(shù)估計來建立數(shù)學(xué)模型的理論和方法。它一般采用曲線擬合和參數(shù)估計方法（如非線性最小二乘法）進(jìn)行。我們針對目標(biāo)小類的月銷量建立起了時間序列模型，取得了較好的效果。

3.模型建立

時間序列模型可以表示為：

數(shù)據(jù)= f*（趨勢，季節(jié)，循環(huán)）+誤差

f取何種形式，取決于時間序列本身的變化規(guī)律和采用的預(yù)測方法，通常采用乘積或疊加的形式：

其中，Y表示t時刻時間序列的數(shù)值，T、S、C、I分別表示趨勢因素、季節(jié)因素、循環(huán)因素和隨機(jī)性因素。

乘積模型適用于季度變動或循環(huán)變動的幅度隨趨勢增加而加大的時間序列，時間序列的一個主要工作是把一個時間序列數(shù)據(jù)分解成T、C、S三個因素，然后再把這些因素合成進(jìn)行需求預(yù)測。

二、預(yù)測分析

觀察模型擬合度可得，R方近似于1，反應(yīng)出線性模型擬合趨勢很好。

從殘差的ACF和PACF圖形中可以看出，所有滯后階數(shù)的自相關(guān)系數(shù)和偏自相關(guān)系數(shù)均和0沒有顯著的差異;另外對殘差進(jìn)行Q檢驗(yàn)得到的大多數(shù)p值均大于0.05，即我們無法拒絕原假設(shè)，認(rèn)為殘差就是白噪聲序列，但其中第1個小于0.05舍棄，因此七個推薦模型能夠很好的識別本例中的銷售量數(shù)據(jù)。

1.結(jié)果分析

由此得到：歷史銷售時間處于2019年6月1日至2019年10月1日內(nèi)且累計銷售額排名前10的小類在2019年10月之后三個月的MAPE值為：

其中表示真實(shí)值，表示預(yù)測值，APE表示百分比誤差，n表示指標(biāo)集個數(shù)。

結(jié)論

通過對目標(biāo)小類在2018年1月至2019年9月，共21個月的銷售量分析，得到其發(fā)展趨勢，使用時間序列分析預(yù)測得出2019年10月之后的三個月的每月銷量，由此，我們得到了這三個月的MAPE值分別為0.237259、0.2750299、0.2126327.通過對MAPE值的分析得出，在誤差允許的情況下，利用我們的方法，可以大致的預(yù)測出月銷量。

參考文獻(xiàn)

[1]?基于主成分分析的K均值聚類法在洪水預(yù)報中的應(yīng)用[J]. 劉可新，包為民，闕家駿，李佳佳，束慧連.?武漢大學(xué)學(xué)報（工學(xué)版）. 2015（04）

[2]?面向連鎖零售業(yè)的時間序列預(yù)測方法研究[J]. 張鈉，殷哲，呂飛，馬士華.?工業(yè)工程與管理. 2014（03）

[3]?社會消費(fèi)品零售總額組合預(yù)測模型研究[J]. 鄧唯茹，何躍，蒲彥希.?統(tǒng)計與決策. 2014（04）

[4]?基于PCA-K-means的衛(wèi)星遙感圖像的顏色特征提取技術(shù)[J]. 趙薔，解爭龍，李紅，李小林.?微電子學(xué)與計算機(jī). 2012（10）

作者簡介：韓抒航，男，出生年：2000.01.23，漢，河南省西平縣，本科在讀，研究方向：數(shù)據(jù)挖掘。