手機零售市場的日歷效應初探

(1.東南大學 經濟管理學院，江蘇 南京 211189；2.中國人民公安大學,北京 100038)

零售業是一個歷史悠久的產業。它曾經歷了一次又一次的沖擊，也隨之產生了一次又一次的深刻變化，形成了目前獨具特色的行業特點。作為消費側一端，作為社會經濟的重要一環，作為對國民經濟貢獻巨大的行業，零售業在迅速發展的同時也產生了一些亟待解決的問題，其中之一便是激烈競爭導致的行業收益率的不斷下降。雖然從整體上看零售產業在穩步發展，但現實卻是零售企業面臨的生存環境益發艱難。為了緩解零售企業困境，我們以手機零售為例展開調查分析，希望從庫存問題的研究入手為緩解零售業困境提供一些思路和辦法。

零售庫存管理面臨的一大問題就是需求不確定。因此我們希望通過本研究找到一個可以減小需求不確定的方法。以往有很多研究側重于零售業的節假日營銷，這些研究在一定程度上證明了日期對需求的巨大影響。本研究將方向定位于依據日期特別是節假日日期預測手機零售市場的需求。

在金融領域，研究人員發現了類似現象，即日歷效應。相關研究人員對其進行了較為系統的研究。因此，我們也對日歷效應的相關研究方法進行分析，希望找到可以借鑒的地方。

一、日歷效應的涵義

人們在金融市場發現，在一周中的周一、周日或一年中的一月等某些特定時間的收益率與其它時間存在明顯的不同，而且，這種不同能在較長的時間內具有一定穩定性，形成較為穩定的規律。這便是所謂的日歷效應。日歷效應體現在周期上便出現季節效應、月份效應、星期效應和假日效應等等效應。

最早研究日歷效應的是美國學者菲爾茲(Fields)。他發現美國股市有明顯的周末效應。歌珥(Corss)研究了美國股市的星期效應，得出周五美國股市標準500普爾指數上漲的可能性更大，周一上漲的可能性更小的結論。法蘭西(French)依此為基礎進行了深入研究，進一步確認美國股市的周一負效應。凱姆(Keim)將研究周期擴大到月，并按規模劃分上市公司，結果發現美國股市有較為明顯的一月正效應，規模較小的公司具有更明顯的一月正效應。

我國對日歷效應的研究起步于20世紀90年代。因為有國外研究作為基礎，所以，雖然我國的研究時間較短，卻也出現了一些相當不錯的研究成果。研究表明，我國不同交易所的股票呈現不同的日歷效應。有人對四個不同國家的股市信息進行了分析后發現，四個不同國家的股市都有較為明顯的星期效應，但不同國家的星期效應各不相同。

日歷效應主要研究人的股票交易行為與具體什么日期有聯系，有什么樣的聯系。如果將日歷效應的研究方法應用于手機零售就可以用它來研究消費者的購買行為與什么特殊日期有關？這些日期具體是如何影響市場需求的？顯然，將日歷效應中的方法應用于手機零售市場需求的預測只需將股票交易行為替換為手機購買行為即可。因此，本文后半段將把重點放在日歷效應常用研究方法的分析上，探究它是否可以應用于本問題，以及對預測的幫助有多大。

二、手機零售的庫存問題

零售業的發展已有相當長的歷史，五次革命之后，它才呈現出現在成熟的形態。零售業第一次革命的標志性重大事件是第一家百貨商店的誕生。其出現具有劃時代意義。百貨商店誕生使得當時零售業的銷售方式、經營方式和組織管理產生了質的改變。

隨后的超級市場、連鎖店和購物中心的出現分別是第二、第三和第四次革命的標志。它們的出現使得零售業進一步得以優化。客戶的購物更加便利，企業管理也更加統一。在網絡技術發展的巨大沖擊下，零售業產生了第五次變革。在這次變革中誕生了一種人類歷史上全新的零售模式，即電子商務。它的出現對傳統零售業產生了極為巨大的沖擊。因為電子商務的顛覆作用，以往零售業極為重要的銷售地選址已經幾乎可以忽略。電子商務也大幅降低了行業成本。

零售業是我國經濟的重要支柱，在國家經濟發展中的地位也不斷提升。改革開放以來，隨著我國經濟的飛速發展，零售業的發展也如火如荼。盡管近年來增長速度有所放緩，但其未來仍有巨大的發展空間。行業的迅速發展也隨之吸引著大量市場參與者的涌入。因此，近年來零售業的競爭日趨激烈。這種激烈的競爭態勢必然造成我國零售業在某些方面出現一些問題。其中之一就是雖然整個產業看起來在穩步增長，但行業收益率卻在不斷下降，某些方面甚至低于社會平均水平。

欲在競爭浪潮中存活下來并發展壯大，零售企業必須提高自身的競爭力，及時根據市場形勢做出相應的調整，采取適宜的應對措施。提升零售企業自身競爭力的方法有很多，其中之一就是解決庫存問題。

庫存作為一個用成本換取客戶滿意度和企業運行穩定的手段，對企業有著重要的意義。庫存管理主要面臨著以下問題：其一，難以準確預測市場需求。上下游企業之間的溝通不通暢，導致了預測信息不足；客戶需求受到多方面因素的影響，即使可以預測也不容易達到精準。其二，牛鞭效應。供應鏈上的各個環節都希望保有一定庫存以備不時之需。這導致預測的需求被環環放大，最終導致供貨商得到的信息可能是需求的數倍之多。

零售業的庫存管理還面臨著一些獨有的問題。首先，零售企業內部各部門目標不一致，不能僅以降低庫存為目標，而應考慮整體利益。其次，零售業供應鏈上各個成員之間信息不通暢，況且顧客的需求信息也難以轉達。最后，零售業庫存周轉時間較長。我國零售企業周轉天數在60天以內的約有85%，其中60%達20天以上。具體到本文要研究的手機零售領域，由于手機行業存貨跌價風險較其它行業更高，解決庫存問題就顯得更加重要，也更為刻不容緩。我們研究的主要目的就是在不影響客戶滿意度的基礎上，減小手機零售業的庫存。而需求不確定則是導致庫存難以精確管理的一個重要因素。

我們希望通過本研究找到日期與市場需求變動之間聯系的方法，從而在一定程度上減小因顧客需求的不確定性對手機零售企業帶來的影響，更精確地進行庫存管理，盡量達到零售企業利益最大化，進而提高企業在市場中的競爭力。

三、手機零售市場的日歷效應

毋庸置疑，人的行為與日期有一定的關系，這一結論在大多數領域都被證實。生理學領域的研究，發現人的生理活動具有很強的節律性；心理學領域的研究，發現人的心理活動具有一定的節律性；社會學領域的研究，發現人的社會活動的節律性似乎是一個可以作為預設的問題。最早，人類日出而作，日落而息，人們在春夏秋冬四季分別從事不同的社會活動。

隨著社會發展，出現了節假日、作息制度。這些制度在一定程度上規定了人們在特定時間適合做的事情。作為一種社會活動，手機購買也不例外。人們購買手機的目的各異，但綜合來看，主要有自用、送人兩種目的。不同的目的導致購買者在購買時對品牌、價位等的要求不同，購買時間和時機也不同。而且，購買手機需要時間。因此，購買手機一般發生于閑暇時間，特殊的日期必然對消費行為有一定的影響。例如節假日、月初月末、消費者的生日、各種紀念日等都可以能影響人們的購買。以節假日為例，就整個零售行業而言，有數據顯示近十幾年消費者在節假日的消費呈現穩步提升趨勢。此外，有明確的研究表明，節假日對于客戶的非季節性購買行為也有影響，且對于不同種類的非季節性商品的影響有很大不同。對于季節性商品，自然毋庸贅述，冬裝在夏季的需求顯然低于冬季。雖然對于手機零售這一小類的研究不是很多，但其他行業零售的研究已經足以證明日期和需求之間存在的聯系。

這些研究一般并不是探討日期對需求的具體影響，相關研究的大方向是研究影響購買行為的因素或節假日營銷策略。他們雖然證明了日期對需求的影響，但是對我們的研究無法起到指導作用。因此，為研究日期對手機市場需求預測，我們還需找到一個更確切的可以參考的方法。這一方法應當是在一定程度上完成了日期對需求影響的量化分析的方法。通過資料查找，我們發現在金融領域關于日歷效應的研究就很好地契合了我們的需要。

四、手機零售市場日歷效應的研究方法

日歷效應已經有較長的研究歷史，它的研究方法也經歷了多次發展。日歷效應的研究方法隨著時間推移，從平均值分析等簡單的方法逐漸進化為EGARCH等更為專業準確的方法。由于日歷效應是一個金融方面特有的專題，它的研究方法也是金融領域專用的方法，因此在借鑒時不能生搬硬套，要對這些方法進行具體分析，尋找可以適用于零售業需求預測的方法，并在其中選擇更為準確的一個。

1.平均值分析。平均值分析即檢驗在某一時段內的變量平均值與總體平均值是否有區別，以此來推斷是否存在效應。平均值分析作為一種早期的研究方法，其適用性很廣，顯然可以用于我們的研究。但由于其準確性也較低，所以我們首先考慮其他方法，如有其他方法適用則不考慮。

2. 隨機游走模型。隨機游走模型的理念即某一時間點的狀態與以往的狀態無關，無法通過以前的狀態做出預測。該模型應用于金融領域時指股票收益率與價格是隨機的，與上一個時間的收益率與價格沒有關系，但是所有時間的收益率應當符合同樣的分布。隨機游走模型有多個細分小類，在此我們主要介紹帶漂移項的隨機游走模型，即：Yt =α+Yt-1+et。其中et是隨機項，α是一個定值，E(et )=0，Var(et )=σ2<+∞。在這個游走模型中，我們可以看出，即使股價是隨機游走的，也可以呈現一個趨勢，這個趨勢根據α的正負而有所不同。為檢驗股市時間序列是否符合隨機游走過程，我們只需對數據進行迪基-富勒單位根檢驗法。若序列中不存在單位根，則證明股市不存在日歷效應；反之若序列中存在單位根，則該股市存在日歷效應。我們認為這種模型對于需求市場的周期性變化問題(例如周末、節假日等)的研究有一定指導意義，且有較高的準確性。在具體研究時，可能會根據具體情況的不同采用不同的模型和單位根檢驗法。

3.ARCH模型。ARCH模型即自回歸條件異方差模型，該模型的提出主要解決了以往金融模型方差不變這一局限性。ARCH模型假設方差是一個可變且存在自相關性的變量，其模型具體如下：Yt=βXt+et，et^2服從AR(q)過程，其中Xt為自變量，et為可變誤差項。ARCH模型主要解決了以往的突發事件對新的突發事件造成的結果的影響這一問題，這一模型在時間序列研究中有十分重要的開創性地位，后續的研究在ARCH模型的基礎上，進行了許多改良。GARCH模型是在ARCH模型的基礎上推出的廣義模型，它在原有模型的方差方程的基礎上加入了條件異方差的滯后項。GARCH模型可以用上一個時間的方差和以前積攢的波動性來預測下一個時間變量的方差。GARCH模型還有許多改良型模型，如EGARCH模型和TGARCH模型，它們都是非對稱的模型，突破了以前模型無法區分波動正負的限制。此外還有單變量GARCH模型、雙變量GARCH模型、CGARCH模型等等，在此就不贅述。我們認為這類模型如果可以應用于市場需求預測，應當有相當的準確性，但是由于這類模型專業性比較高，具體是否可以使用應當做深入分析。

4. 滾動樣本檢驗法。滾動樣本檢驗法運用一種特殊的樣本選取方法進行檢驗，有可以擴大樣本從而使檢驗結果更可信的優點。該方法具體步驟如下：以一個3000天的股市信息為例進行檢驗，選取200天為樣本窗口期，則第一個樣本為1到200天，第二個樣本為2到201天，以此類推，最后一個樣本為2801天到3000天，共產生2801個樣本。對這些樣本進行回歸分析，并將分析所得的相關參數記錄在樣本的最后一天。這個方法并不是一個具體研究的模型，在選取模型之后還需進行其他回歸分析。

從上面的介紹我們可以看出，較為初期的方法的應用面大多較廣，后續的改良模型則有更多的限制條件，同時也更加準確專業。下面我們來具體分析各個模型的應用可能性及其優劣。平均值分析法是可用的，然而不論是論證某一時段市場需求有無周期性變動還是預測市場需求，它都顯得有所不足，所以我們先不考慮該方法。隨機游走模型的應用可以通過檢驗零售店手機銷量是否符合隨機游走過程，幫助我們確定某一時段手機零售是否存在日歷效應。這種方法顯然可行，但是這僅僅能幫我們確定在哪些時段需求可能會上升，對需求上升的量難以估計。此外隨機游走模型雖然可以模擬一個上升或者下降的大趨勢，用于反映整個行業的趨勢，但是該模型假設下不同時期的需求量是符合同一分布的，無法考慮特殊事件的發生。例如當新的手機發售、或行業相關新政策頒布時，該模型就無法滿足需求。顯然隨機游走模型難以準確表現手機零售業的實際情況，因此我們考慮使用ARCH模型。

正如前文所說，ARCH模型突破了以往模型方差不變的限制，從而可以考慮某一時間發生的突發事件對后續事件的影響。我們認為該模型比較符合實際情況，假設某品牌手機a在3號發布，隨后的5號為周末，顯然品牌手機b的需求變動不太可能和普通的周末變動相同。關于ARCH模型的相關改良型，由于主要是針對股市研究的優化，其大體應用方向沒有變化，因此不做具體應用分析。滾動樣本檢驗法的主要價值是擴大樣本容量，使得回歸結果更準確，因此在研究時，如果對結果準確度有需求，可以考慮使用滾動樣本，但這并不是主要研究方法，而是一個輔助。在綜合考慮多個日歷效應研究方法后，我們認為我們應當選擇ARCH模型進行參照，同時可以選擇在此基礎上應用滾動樣本檢驗法。在參照ARCH模型時，我們應以手機零售市場需求量代替股價，并按手機型號對產品進行區分，分別進行檢驗，正如原模型中的區分不同股票。然后我們就可以正確地應用ARCH模型，分析市場需求是如何受到日期的影響，并根據模型對未來的需求進行預測。經過對ARCH模型和滾動樣本檢測法的應用分析，可以得出這樣一個結論，即日歷效應的研究方法可以應用于手機零售市場需求的預測研究。

五、結語

通過借鑒日歷效應的ARCH模型和滾動樣本檢驗法，我們可以在一定程度上減小手機零售市場的需求不確定性，從而更好地進行庫存管理。庫存管理對零售企業有十分重要的意義。首先，在現階段無法達成零庫存管理的情況下，庫存有其存在的必要性。零售企業庫存的存在可以減少缺貨的情況，從而提高客戶滿意度，避免客戶的流失。另一方面庫存的存在會占用大量流動資金，并增加運營成本，壓縮利潤空間，這是整個手機零售業面臨的一個重要問題。庫存還會掩蓋企業活動中的一些問題，而我們的研究可以減小需求不確定性，可以在對顧客滿意度影響較小的情況下減少庫存，大幅度降低企業成本，在行業成本整體偏高的情況下形成優勢。

如果這一方法可以推廣到整個零售行業并成功預測市場需求，就可以減少零售行業的庫存，增強我國零售業優勢。在自由貿易的大背景下，中國零售業面臨著諸多挑戰，電商和國外大型連鎖店將會擠占國內零售企業的有限市場資源，但同時由于國外市場的開辟，中國零售產業之間可以不再只將目光放在國內有限市場的競爭，這同時也伴隨著機遇。以往中國零售業在國際市場的表現已經證明了自己的實力和地位，中國制造席卷全球是我們有目共睹的。這一現象主要是因為我國工業體系的完備及零售業產品價格低廉等優勢疊加形成的。然而，伴隨著我國經濟的進一步發展，廉價勞動力的優勢將不復存在。因此，如果能在此時減少占零售業運營成本很大比重的庫存成本，就能降低成本，延續這種優勢，在未來很長的時間內維持國外市場，為零售業的可持續發展提供動力。

我們的研究仍然存在許多不足。ARCH模型目前主要用于波動性的預測，它雖然有預測未來狀態的先例，但是并非主流方向，因此本方面的研究尚不成熟。此外，本文的選題也有一定的局限性，在現實情況下，顧客的購買行為顯然受到許多因素的影響，然而本文只考慮了日期對市場需求的影響，這對于需求預測來說顯得相對不太嚴謹。如果想要更精確的預測，后續應當加入更多對市場需求影響的因素。