大數據背景下跨境電子商務市場時間序列預測系統開發

朱洪濤　陳雁南　李琴

摘要：“大數據”時代的來臨，正以各種方式和路徑影響著企業的商業生態。為新型的前端跨境電子商務創業企業和后端物流供應鏈公司提供參考已成為當務之急。本文通過Lotka-Volterra研究跨境電商企業市場波動性及競爭力關系，并建立跨境電子商務平臺市場競爭力評價指標體系，簡要分析影響跨境電子商務企業市場競爭力的影響因素，進而開發跨境電子商務平臺市場預測系統，為各跨境電商企業提供精準的市場戰略導向。最后，針對跨境電子商務大量的小微企業的實際需要，以降低系統開發成本為目標，進行基于微信公眾平臺的服務系統設計，來推廣該預測系統。

關鍵詞：大數據；跨境電子商務市場 ；時間序列；預測系統

中圖分類號：F724.6 文獻識別碼：A 文章編號：1001-828X（2017）010-0-02

一、引言

“大數據”時代的來臨，正以各種方式和路徑影響著企業的商業生態。近年來，互聯網的信息流通性加速了商品的國際流動性，在“互聯網+外貿”的模式下，催生了蓬勃興起的跨境電子商務行業。第三方機構iiMedia （艾媒咨詢）發布的《2016-2017中國跨境電商市場研究報告》顯示， 2015年中國跨境電商交易額已占進出口總額比重達19.5%，2016年中國跨境電商交易規模達到6.3萬億元，海淘用戶規模達到4100萬人次。因此，分析跨境電商企業業績波動性、巨頭跨境電商企業市場競爭關系，通過構建跨境電商市場競爭力指標體系以及利用時間序列進行市場預測系統開發，對完善跨境購物電子商務平臺提出建議，穩定跨境電子商務市場秩序，特別地，為新型的前端跨境電子商務創業企業和后端物流供應鏈公司提供參考已成為當務之急。

為實現以上目的，首先，本文將以跨境電商企業大樣本銷售數據為研究對象，應用Lotka-Volterra等理論模型，分析跨境電商企業銷售額波動性和市場動態競爭關系，并簡要分析影響跨境電子商務競爭力的影響因素。隨后，本文將著重利用移動平均法、指數平滑法、ARIMA模型及BP神經網絡預測模型的預測原理與特點，開發跨境電子商務平臺市場預測系統，為各跨境電商企業提供精準的市場戰略導向。最后，針對跨境電子商務大量的小微企業的實際需要，以降低系統開發成本為目標，進行基于微信公眾平臺的服務系統設計，來推廣該預測系統。

二、Lotka-Volterra模型實證結果分析

（一）數據選擇

本文選取亞馬遜、阿里巴巴和蘇寧易購三家電商2012第二季度至2015年第二季度間的季度銷售額為對象進行研究，數據來自艾瑞咨詢網站。選取以上三家作為研究對象的原因在于：（1）阿里巴巴、蘇寧的市場份額在中國網上零售B2C市場中處于領先地位，遠超其他電商，作為對比，亞馬遜是美國乃至全世界電子商務領域中的標桿企業；（2）阿里巴巴的上市給中國乃至全球各大電商敲響了警鐘，但不乏蘇寧易購這樣的中國電商領跑者和亞馬遜等國外競爭者，未來中國電商行業將呈現怎樣的格局仍不得而知。在分析之前首先對時間序列進行季節調整，剔除其中的季節變動要素。本文在Eviews 8.0中利用X12季節調整加法模型對數據進行了季節調整。

（二）估計結果

根據本文提出的Grey tripartite Lotka-Volterra方法，利用季節調整后的數據，分別對亞馬遜、阿里巴巴和蘇寧易購銷售額Grey tripartite Lotka-Volterra模型的參數進行估計，結果如表1所示。通過比較模型中的相互作用參數γij，可以初步判斷三家電商兩兩間的競爭關系。其中，γ12、γ32均為負值，說明阿里巴巴對蘇寧易購、亞馬遜的經營存在競爭關系；相反地，γ31、γ23均大于零，表明蘇寧易購、亞馬遜的經營狀況有利于阿里巴巴的生存。

（三）亞馬遜、阿里巴巴和蘇寧易購的競爭關系分析

首先，由表1可知γ12、γ32均為負數，說明阿里巴巴對蘇寧易購、亞馬遜有捕食作用，其銷售量的增加會削弱其他兩家電商的業績；相反地，γ21、γ23均大于零，表明蘇寧易購、亞馬遜的經營狀況有利于阿里巴巴的生存，即蘇寧易購與亞馬遜的存在沒有阻礙阿里巴巴的發展。從數值上看，阿里巴巴對另外兩家電商的競爭作用絕對值大于這兩家對它的幫助。總之，目前阿里巴巴的存在對其他電商生存有競爭關系，而蘇寧易購、亞馬遜的經營反而有利于阿里巴巴的生存。其次，根據三家電商自然增長率αi為正數可得知說明阿里巴巴和蘇寧易購的銷售額增長率在2012～2015年處于占優狀態。最后，根據限制性參數βi可以看出，只有阿里巴巴的銷售額增長帶來了自身抑制作用。阿里巴巴需要進行政策調整，將實際增長率控制在合理范圍內。

（四）均衡點及其穩定性分析

根據阿里巴巴、蘇寧易購、亞馬遜三家電商銷售額的8個均衡點及各個均衡點對應的Jacobian Matrix特征值。根據當且僅當雅可比矩陣負定時均衡點穩定的條件可以判斷，只有點E123對應矩陣的特征值全為負，即三家電商的季度銷售額將分別在21113、2357和970億元處達到穩定。盡管目前阿里巴巴的存在對另外兩家電商表現出競爭的趨勢，但隨著市場結構的調整及其他電商的經營改革，最終三者會達到共生共存的狀態。

（五）跨境電商企業競爭力關鍵因素分析

由上述分析結果并結合國內電子商務的運作方向和環境，本文認為電商企業想要在競爭激烈的EC市場中爭得一席之地則需要做到以下幾點：

首先，電商應該有自主創造經營的產品品牌，兼銷售第三方標準化的產品。自足經營品牌相當于增加了價值鏈的附加值，而銷售第三方標準化的產品縮短了流通環節，從而降低了價值鏈過程中的運營成本。

其次，能夠長時間保持“價格優勢”是電商銷售量增長的原因。如今，互聯網的透明性和消費者轉移的低成本決定了價格仍然是決定電商經營狀況的重要因素。但保持低價的同時，產品質量仍然是企業需要嚴加把控的關卡。

同時，要積極開展網絡營銷活動，特別是對新型電商企業而言尤為重要。首先要宣傳自己的銷售平臺，利用互聯網和傳統媒體加以推廣。

最后，技術創新是電商保持永久生命力的重中之重。從總體市場規模來看，中國電子商務尚處于起步階段，未來發展需要靠持續創新來維系。

三、基于時間序列的跨境電子商務市場預測系統開發

本系統的軟件開發環境包括Windows7及以上版本操作系統；Microsoft Excel2003及以上、Visual C++、MATLAB8.1及以上版本。根據以上對四種時間序列預測方法的分析與總結，首先本文選取預測精度相對較高的ARIMA模型預測法與BP神經網絡預測法進行系統開發。其次將系統分為數據處理模塊、ARIMA預測模型處理模塊、神經網絡預測模塊和系統幫助模塊四大模塊。

1.數據處理模塊，該模塊主要以數據文件的建立、打開與保存為主；其次本系統采用拉格朗日插值函數對數據進行插值處理，最后該模塊還可以進行數據的圖形繪制，以便初步觀察統計數據的趨勢走向。

2.ARIMA模型預測模塊，該模塊的設計與實現是本系統的難點之一。要用到MATLAB軟件，其主要功能是對原始序列進行差分、零均值處理，相關性分析，用戶利用分析結果界定模型中的階數，系統獲得階數后利用相關的算法進行參數估計，確定初始模型。然后檢驗模型，通過檢驗后即可進行預測。其預測邏輯如圖1所示。

3.神經網絡預測模塊。該模塊的設計與實現是本系統的難點之二。其主要功能是按照BP神經網絡預測的基本步驟即數據歸一化處理-依據改進的BP算法訓練神經網絡-確定輸入層、隱層節點和最大訓練次數建立預測模型-預測并輸出結果，完成對時間序列的預測。

4.系統幫助模塊?？紤]到時間序列預測的專業性難度，本文針對非專業使用者設計了幫助文件。在此模塊中將對各種方法的特點、適用情況以及使用方法給出簡單介紹，從而幫助使用者針對性地選擇不同的預測方法，并能夠正確的按步驟使用所選的方法進行預測。

最后，完成了預測系統的開發，如何推廣使廣大跨境電子商務企業方便快捷地享受該系統服務，也是本文要考慮的一個問題。首先本文根據當前人們大多傾向于通過移動互聯網進行交流與獲取信息的現狀，針對跨境電子商務大量的小微企業的實際需要，以降低系統開發成本為目標，進行基于微信公眾平臺的服務系統設計，來推廣該預測系統。

四、結語

本文以跨境電商企業大樣本銷售數據為研究對象，應用Lotka-Volterra等理論模型，分析跨境電商企業銷售額波動性和市場動態競爭關系，其次建立跨境電子商務平臺市場競爭力評價指標體系，簡要分析影響跨境電子商務企業市場競爭力的影響因素。同時，本文著重利用移動平均法、指數平滑法、ARIMA模型及BP神經網絡預測模型的預測原理與特點，開發跨境電子商務平臺市場預測系統，該系統試圖采取完全對象化的方式，只要求使用人員時間序列預測方法有大概的了解，從而在很大程度上擴大了系統的使用對象，提高了系統的適用性。為各跨境電商企業提供精準的市場戰略導向。

參考文獻：

[1]Lotka，Alfred J.，Elements of physical biology[M]，1925.

[2]吳昊遠.近年來國內電商之間的博弈分析[J].東方企業文，2014（15）：162-165.

[3]徐越.網絡生態視角下電子商務業態發展研究[D].吉林大學，2014.

[4]梁強強.中國 B2C電子商務企業的發展路徑研究[J].中國電子商務，2014（12）： 37-37.

[5]王硯羽，謝偉.電子商務模式模仿者與創新者競爭動態研究——當當網和亞馬遜中國競爭演變分析[J].科學學與科學技術管理，2013（6）：44-51.

作者簡介：朱洪濤，碩士研究生，主要從事計量經濟學理論與應用研究。

陳雁南，碩士研究生，主要從事計量經濟學理論與應用研究。

李 琴，碩士研究生，主要從事計量經濟學理論與應用研究。

基金項目：浙江省新苗人才計劃（2016R414049）。