零售業商品需求預測體系設計與實證檢驗

吳建材

內容摘要：本文首先介紹了零售企業商品需求預測的相關理論方法，在此基礎上設計了商品需求預測系統。首先利用不同的單項模型預測方法，對商品需求進行預測;之后建立組合預測模型;最后通過單項模型預測獲得的預測結果，代入組合預測模型，獲得商品的組合預測模型需求結果，最后驗證了組合預測方法的優越性。

關鍵詞：零售企業 ? 預測模型 ? 預測系統 ? 組合預測

引言

隨著經濟的快速發展與市場競爭的日趨激烈，物流過程中的各個環節對企業利潤的增長都起著不可忽視的作用。對于零售業來說，一定數量的產品庫存可以維持銷售的穩定，及時應對市場需求的變化，對上游企業生產的穩定性也起著重要的保證作用。然而，由于市場變化的日新月異，市場需求也不斷朝著個性化、多樣化發展，使得對市場需求的預測越來越困難。各零售企業為了保證客戶需求，維持穩定銷售，只得不斷增加產品庫存。盲目的增加庫存占用了企業大量資金，增加了管理成本，浪費企業資源。如何合理的對產品市場需求進行預測，進而有效的控制產品庫存，是零售企業面臨的重要問題。通過對商品未來發展趨勢作出準確預測，可以有效減少產品庫存，降低庫存成本，從而提高庫存管理的科學性，最終增加企業效益與市場競爭力。

本文針對零售業商品需求的預測問題，探討了商品需求預測方法，設計了商品需求預測系統。首先利用不同的單項模型預測方法，對商品需求進行預測;之后建立組合預測模型;最后通過單項模型預測獲得的預測結果，代入組合預測模型，獲得商品的組合預測模型需求結果。通過設計商品需求預測系統，將上述方法具體實施。利用商品需求預測系統，對某商品在某一時間段的銷售數據進行了預測分析，驗證了組合預測方法的優越性。

需求預測基本模型方法

所謂預測，即通過對產品歷史需求數據進行分析，從而得到產品未來需求情況的方法。通過對產品未來趨勢的準確預測，可以合理對資源進行分配，用最少的資源為客戶提供最佳的服務，以應對不斷變化的市場需求。對于需求預測，可選用的模型方法主要包括：

第一，移動平均法。移動平均法首先對時間序列數據分段，在此基礎上，根據數據點的順序逐步來進行推移，從而計算平均數，得出預測結果。

第二，指數平滑法。指數平滑法根據移動平滑法發展而來。指數平滑法通過將預測目標的歷史統計序列進行逐層平滑計算，抵消因為隨機因素產生的影響，進而找出待預測目標的變化趨勢，并根據此趨勢對未來進行預測。指數平滑法一般包括一次平滑法和多次平滑法。

第三，自回歸移動平滑模型。自回歸移動模型又稱ARIMA模型，是估計非季節與季節隱性的自回歸綜合移動平滑模型。可以在對數據模式不知道的情況下，找到合適的模型。

第四，一元線性回歸預測法。一元線性回歸是用來對兩個變量之間線性關系進行分析的預測方法。通過分析自變量與因變量之間的關系，從而確定線性回歸方程進行預測。

組合預測方法

在實際預測中，選擇不同的預測方法時，其預測結果與精度會不同。單一的選擇某一種方法來進行預測，容易使預測過程變得片面，從而影響預測準確度。如果綜合利用各種預測模型，根據其預測效果賦予不同的權重，得到組合后的預測模型，去預測商品的需求變化，可以得到更好的預測結果。組合模型可有如下具體形式：

（一）算數平均組合預測法

算術平均法就是賦予每種預測結果相同的權重，其表達式如下：

（1）

其中，t表示預測時期，i表示某種單項預測模型的序數，yt是第t時期算數平均組合預測法的預測值，xit是第i種單項預測模型在第t時期的預測值，ki表示是第i種單項預測的權重，m表示單項預測模型總數。

該方法最顯著的特點就是簡單易行，既不用考慮每種預測方法的準確性，又無須關注不同預測誤差之間的相關性。但缺點是：第一，在實踐中，每種預測方法的預測效果不可能完全一致，等權重忽略了單項預測方法之間的差異性;第二，由于不確定性的存在，不同預測方法在不同時期往往表現出不同的預測效果，算術平均法無法刻畫不同預測方法的時變性特征。

（二）誤差平方和倒數組合預測法

誤差平方和倒數組合預測法模型如下：

（2）

其中，Ei是單項預測的預測誤差平方和，xit為第i種單項預測方法在第t時期的預測值，xt為同一預測對象在t時期的實際值，yt是第t時期誤差平方和倒數組合預測模型的預測值。

預測誤差平方和是反映預測精度的一個指標，預測誤差平方和越大，該模型的預測精度越低，從而它在組合預測中的重要性就越低，重要性的降低表現為它在組合預測中的權重就越小。反之，誤差平方和較小的單項預測模型在組合預測中的權重就越大。

（三）簡單加權平均組合預測法

簡單加權平均法是先把各個單項預測方法預測誤差的方差和Ei，i=1，2，…，m進行排序，設E1>E2>，…，>Em，各個單項預測方法預測誤差的方差和與權重成反比的基本原理知，排序越靠前的單項預測方法在組合中的權重越小。簡單加權平均組合預測模型如下：

（3）

其中，yt是第t時期加權平均組合預測法的預測值，xit為第i種單項預測方法在第t時期的預測值，假設各個單項預測方法預測誤差的方差和Ei，i=1，2，…，m的大小順序為：E1>E2>，…，>Em。

需求預測系統設計

為了方便零售業商品需求預測的操作與管理，設計商品需求預測系統，將上述單項和組合預測方法集成在預測系統中，能夠幫助零售行業從業人員把握商品市場需求歷史變化，科學地制定銷售策略，增加企業收益。

（一）需求預測系統功能

零售業商品需求預測根據商品市場需求歷史變化，運用預測模型推測出今后一個時間段內的市場需求量。需求預測系統主要目標是完成以下功能：需求預測系統的預測對象為零售業商品，將商品的基本信息及歷史銷售數據錄入系統，要方便預測人員管理和維護;為提高預測的精度，系統能夠實現數據的預處理功能;系統中提供單項短期數值預測模型和組合預測模型，實現短期需求預測。

（二）系統功能模塊設計

依據以上的系統需求分析和功能描述，可以將需求預測系統劃分為6 個模塊，即基本信息管理模塊、數據質量管理模塊、模型參數設置模塊、單項預測模塊、組合預測模塊、需求預測結果瀏覽模塊。

基本信息管理模塊對需求預測系統的基本信息，包括商品信息及商品歷史數據進行管理。主要功能包括對基本信息查詢和維護（增加、修改、刪除）;數據質量管理模塊包括對異常數據的預處理功能和預測數據的查詢功能;模型參數設置模塊設置單項預測模型的參數;單項預測模塊對商品的未來需求量使用系統提供的單項預測模型進行預測;組合預測模塊對商品的未來需求量使用系統提供的組合預測模型進行預測;需求預測結果瀏覽模塊主要是方便用戶查詢商品所使用的預測模型，包括單項預測和組合預測的預測結果。

（三）系統開發工具

系統采用基于Web 的B/S 架構，開發環境上，本系統采用開發平臺為MyEclipse，運用JAVA 語言，系統設計模式采用MVC分層結構，系統的總體框架采用Struts+Spring+Ibatis，服務器和數據庫分別使用Tomcat和MySQL。

商品預測實例分析

利用前文所述的商品需求預測系統，對某超市的商品需求預測進行實例分析。

（一）實例介紹

表1的數據為某超市中華牙膏的周銷量。本文基于數據進行分析，對中華牙膏在該超市未來銷量做預測，并對預測結果進行分析。

（二）單項模型預測分析

計算4種不同模型的單項預測結果，繪制擬合曲線圖，并對第22、23、24周數據進行預測，如圖1所示。

從圖1可以看出，自回歸移動平滑模型、指數平滑模型、移動平均模型能夠反映出商品需求的波動變化;而一元線性回歸模型曲線十分平滑，無法反映出實際銷售量的波動性，使得產品需求預測失效。

（三）組合預測分析

對于組合預測方法，選擇自回歸移動平滑模型、指數平滑模型、移動平均模型和一元線性回歸模型進行組合，并選用算術平均法、誤差平方和倒數法、簡單加權平均法3種組合預測權重方法來進行預測分析。預測周期數仍選3周，并繪制擬合曲線圖，如圖2所示。

由圖2可以看出，3種組合預測方法都能很好的體現出實際值的波動性。值得注意的是，在圖1中，通過一元線性回歸模型獲得的結果已經失去了預測功能，但將該失效的曲線同其他三種模型曲線通過加權綜合后，獲得的組合預測結果，又重新恢復了商品需求的預測功能。這充分說明了組合預測模型對商品的需求趨勢預測的可靠性，預測模型能很好體現出商品實際銷量的波動性。組合預測方法比單項模型預測方法具有優越性。

綜上，本文以零售企業為背景，針對零售商品的需求特點，對需求預測中單項預測模型與組合預測方法相關理論進行了介紹，設計了需求預測系統。并在此基礎利用需求預測系統，對零售業商品需求預測進行實例分析，驗證了組合預測方法的優越性。

參考文獻：

1.王熙，宋福根.市場需求預測和銷售優化決策支持系統的研究和開發[J].中國紡織大學學報，2000，26（4）

2.李婧，李蘇劍.零庫存生產及實現方法[J].物流技術，2001（1）

3.王小忠.物流量預測方法研究[D].武漢理工大學，2005（6）

4.陳淑燕，王煒.交通量的灰色神經網絡預測方法[J].東南大學學報（自然科學版），2004，34（4）