超市上市公司經(jīng)營指標預測方法有效性及預測研究

牛東來 黃馨萍

[摘 要]超市與居民生活密切相關，近年來競爭不斷加劇。文章以我國超市上市公司經(jīng)營核心指標作為數(shù)據(jù)基礎，用SPSS軟件作為統(tǒng)計分析工具，分別運用時間序列、神經(jīng)網(wǎng)絡和多元線性回歸模型，對2010年至2019年15家超市上市公司的數(shù)據(jù)進行建模分析。結果顯示，超市主營業(yè)務收入和毛利率使用多元線性回歸模型，凈利潤、門店數(shù)和人效使用神經(jīng)網(wǎng)絡模型，資產負債率使用時間序列模型預測數(shù)據(jù)擬合度較高。最后，利用各指標中預測精度較高的模型，對2020年至2025年的指標進行預測。該結果對零售超市業(yè)態(tài)的發(fā)展及規(guī)劃具有一定的研究價值和實際意義。

[關鍵詞]超市;經(jīng)營指標;預測方法;上市公司;預測

[DOI]10.13939/j.cnki.zgsc.2021.13.105

1 引言

零售行業(yè)在我國國民經(jīng)濟中起著非常重要的作用[1]，是實現(xiàn)國內大循環(huán)為主體目標的重要組成部分。近幾年來，由于新零售的產生及資本的不斷進入，使得零售行業(yè)、特別是超市面臨著巨大的競爭態(tài)勢，從而導致行業(yè)的經(jīng)營和發(fā)展遇到很大瓶頸。2020年年初以來的新冠肺炎疫情在促進線上銷售不斷攀升的同時，也對整體超市行業(yè)帶來不同程度的打擊。對超市行業(yè)未來經(jīng)營發(fā)展趨勢的研究是居民、行業(yè)和社會普遍關注的問題。

為了更好地預判超市行業(yè)未來的發(fā)展趨勢，文章獲取了15家超市上市公司年報的數(shù)據(jù)資料，利用三種預測模型作為分析工具，對超市核心經(jīng)營指標進行了預測分析，給出了不同預測模型適于預測的指標，同時對超市行業(yè)未來5年的發(fā)展進行了預測。

2 數(shù)據(jù)來源

2.1 搜集樣本數(shù)據(jù)

文章選擇了中國連鎖經(jīng)營協(xié)會于2020年6月29日發(fā)布的2019年中國超市百強名單中的15家上市公司，用2010年至2019年的該15家上市公司的年報作為數(shù)據(jù)來源，分析和研究上市公司經(jīng)營情況相關的指標，對超市上市公司的經(jīng)營狀況指標進行研究和預測。超市上市公司在整個零售行業(yè)中具有一定的代表性，用其經(jīng)營指標進行分析和研究，對今后超市業(yè)態(tài)和零售行業(yè)的發(fā)展具有一定的研究價值和理論意義。

2.2 指標選擇

大多數(shù)學者在進行零售企業(yè)經(jīng)營狀況分析時會以財務指標作為主要的衡量標準，通過對文獻中出現(xiàn)的財務指標頻次的綜合評判，為了更好地分析零售業(yè)上市公司的經(jīng)營狀況，文章主要從各公司的年報中選擇了六個和經(jīng)營情況相關的指標如表1所示。

為了對超市業(yè)態(tài)未來的整體發(fā)展趨勢有一個較直觀的預判，將每一年這15家公司的指標數(shù)值取平均值，所得到的整體結果如表2所示。

3 理論與方法

3.1 時間序列分析和預測

文章選取的數(shù)據(jù)是按照時間順序進行排列的時間序列，因此能夠使用SPSS時間序列方法對其進行建模和預測[2]，主要方法包括專家建模器和ARIMA模型。

先使用專家建模器對各指標進行預測，但由于平均零售主營業(yè)務收入、門店數(shù)、凈利潤和資產負債率的預測精度無法通過精度對照表[3]，其對應的模型不適合問題的研究，所以改用ARIMA模型做進一步的參數(shù)設置和研究分析。由最終的擬合結果可得，各指標對應的平穩(wěn)的R方和R方值都大于0.5，所對應的模型都適合問題的研究，擬合結果均具有統(tǒng)計學意義，可以作為很好的預測模型來進行研究和分析。

3.2 神經(jīng)網(wǎng)絡分析和預測

SPSS神經(jīng)網(wǎng)絡是一個非線性的數(shù)據(jù)建模工具集合，它包含輸入層和輸出層、一個或多個隱藏層。神經(jīng)元之間的連接賦予相關的權重，訓練算法在迭代過程中不斷地調整這些權重，從而使得預測誤差最小化并給出預測精度。文章使用的是多層感知器（Multilayer Perceptron，MLP）的方法，是一種前饋人工神經(jīng)網(wǎng)絡模型，其將輸入的多個數(shù)據(jù)集映射到單一的輸出的數(shù)據(jù)集上。

在進行分析和預測的過程中，依次把其中一個指標作為因變量輸入，其他剩余指標作為協(xié)變量輸入，分區(qū)數(shù)據(jù)集根據(jù)個案的相對數(shù)量，按照訓練集與測試集比例7：3進行分配，根據(jù)各指標分別作為因變量的模型匯總結果可知，所有指標的相對錯誤數(shù)值均小于0.1，即正確率在90%以上，說明該模型擬合效果較好，可以作為較科學的方法進行預測。

3.3 多元線性回歸分析和預測

利用該方法對各指標的分析過程中，把其中一個指標依次作為因變量y，其余各指標作為自變量x1，x2，x3，x4，x5進行多元線性回歸建模，使用SPSS軟件進行計算，所有指標的相關系數(shù)R、判斷系數(shù)R2和調整后的R2都大于0.5，標準估計的誤差較小，但平均門店數(shù)、平均人效和平均資產負債率的顯著性大于0.05，可知這三個指標沒有通過系數(shù)檢驗，達不到統(tǒng)計學意義上的顯著，由此我們考慮模型中存在多重共線性問題。

為了去除多重共線性的問題，改為“逐步”的回歸方法進行調整[4]，得到各指標最終的所有統(tǒng)計量均具有統(tǒng)計學意義，所以該模型可作為預測模型進行分析。另外，該模型對各指標預測得到的真實值和預測值的誤差率較小，擬合精度較高，可以對預測未來15家超市上市公司的經(jīng)營情況提供一個比較可靠的參考。

4 三種方法的預測結果對比

通過上述三種模型對15家超市上市公司經(jīng)營指標的預測，對各指標計算三種模型的均方根誤差和平均相對誤差[5]，經(jīng)對比得出各指標最適合的預測模型結果是：零售主營業(yè)務收入和毛利率使用多元線性回歸模型，凈利潤、門店數(shù)和人效使用神經(jīng)網(wǎng)絡模型，資產負債率使用時間序列模型。

分別使用各個指標中預測精度較高的模型對2020年至2025年各個經(jīng)營指標進行預測，預測結果如表3所示。

由上表可得，平均零售主營業(yè)務收入以3%至4%左右的增長率呈現(xiàn)穩(wěn)定增長的趨勢;平均門店數(shù)在2020年至2022年呈現(xiàn)下降趨勢，在2023年略有回升，在2023至2025年逐年增長;平均人效在2020至2021年有所提升，但是2022年及以后呈現(xiàn)出下降的趨勢;平均毛利率和平均資產負債率分別以1%和2.5%左右的增長率在逐年穩(wěn)定

上升;平均凈利潤整體而言呈現(xiàn)增長的趨勢，但于2024年有所下降后又呈增長趨勢。

5 結論

文章對我國2010年至2019年15家超市上市公司主要經(jīng)營指標進行分析，以時間序列、神經(jīng)網(wǎng)絡和多元線性回歸模型為基礎，對零售主營業(yè)務收入、毛利率、凈利潤、門店數(shù)、人效和資產負債率六個指標進行建模預測，經(jīng)過平均相對誤差和均方根誤差的對比分析，得到多元線性回歸模型適合零售主營收入和毛利率的預測，神經(jīng)網(wǎng)絡模型適合凈利潤、門店數(shù)、人效的預測，時間序列適合資產負債率的預測。

從2020年至2025年的預測結果來看，未來零售行業(yè)超市業(yè)態(tài)的發(fā)展整體情況較為平穩(wěn)。在盈利能力方面，主營業(yè)務收入和毛利率每年呈緩慢穩(wěn)定增長趨勢，凈利潤緩慢下降并有所波動，可以通過線上流量和線下體驗相融合的方式尋找新的增量。在企業(yè)規(guī)模方面，門店數(shù)量會由于網(wǎng)上零售和疫情的影響有所下降，整體的規(guī)模并不會大幅度減少。在經(jīng)營效率方面，人均創(chuàng)效能力略有下降，可以通過引進自助設備和數(shù)字化手段減少人力提高人效。在償債能力方面，有所增長但較為平穩(wěn)，應及時應對風險的變動，加強企業(yè)內部管控。

參考文獻：

[1]付長鳳.基于回歸算法的超市銷售數(shù)據(jù)預測研究[J].信息技術與信息化，2020（5）：39-41.

[2]朱建芳，段嘉敏，高亮.煤礦百萬噸死亡率預測方法對比研究[J].華北科技學院學報，2018，15（3）：10-15，20.

[3]覃延.神經(jīng)網(wǎng)絡模型和多元線性回歸預測腎結石CT值的比較[J].影像研究與醫(yī)學應用，2020，4（6）：26-28.

[4]鐘麗燕.基于多元線性回歸分析的在校大學生人數(shù)預測[J].經(jīng)貿實踐，2018（23）：293-294.

[5]阿布力孜·布力布力，張新國.基于灰色線性回歸組合模型的超市商品銷售量預測[J].統(tǒng)計與決策，2014（7）：69-71.

[作者簡介]黃馨萍（1995—），女，漢族，安徽合肥人，碩士研究生，研究方向：電子商務與供應鏈一體化。