基于時(shí)間序列模型的精準(zhǔn)需求預(yù)測分析

郭家鳴

摘要：本文基于對銷售數(shù)據(jù)進(jìn)行了特征分析，進(jìn)而構(gòu)建了組合預(yù)測模型對產(chǎn)品的流行趨勢進(jìn)行預(yù)測，并且將網(wǎng)絡(luò)搜索數(shù)據(jù)作為銷售數(shù)據(jù)的補(bǔ)充構(gòu)建預(yù)測模型對互聯(lián)網(wǎng)時(shí)尚產(chǎn)品流行趨勢分別進(jìn)行了在線和離線預(yù)測。產(chǎn)品能否流行受消費(fèi)者心理需求的影響并反映在消費(fèi)行為上從長期來看群體消費(fèi)行為具有一定的規(guī)律性，而短期消費(fèi)行為由于受 諸多不確定因素的影響則表現(xiàn)出極大的不穩(wěn)定性，這給流行元素的短期預(yù)測帶來了很大的困難。消費(fèi)行為的不確定性反映在產(chǎn)品銷售數(shù)據(jù)的變化方面是線性與非線性現(xiàn)象并存。本文面對這一數(shù)據(jù)特征分別采用ARIMA時(shí)間序列模型和ELM極限學(xué)習(xí)機(jī)模型分別對銷售數(shù)據(jù)進(jìn)行線性建模和非線性建模，然后采用加權(quán)投票 的方法進(jìn)行集成，建立組合模型。

關(guān)鍵詞：時(shí)間序列模型;特征分析;組合模型

引言

隨著中國大陸城市化進(jìn)程的日益加速，高樓大廈如雨后春筍般的建設(shè)，中國電梯行業(yè)也因房地產(chǎn)業(yè)的蓬勃發(fā)展得以快速崛起，然而發(fā)展帶來的巨大壓力也是無法避免的。企業(yè)產(chǎn)品交貨期因客戶繁雜的個(gè)性化需求日趨要求嚴(yán)格。企業(yè)的生產(chǎn)管理面臨著巨大的挑戰(zhàn)。基于銷售預(yù)期的供應(yīng)鏈訂單預(yù)測是制造商和供應(yīng)商的聯(lián)系紐帶，預(yù)測準(zhǔn)確性高即可以幫助企業(yè)降低運(yùn)作成本，同時(shí)還會(huì)提高企業(yè)客戶滿意度。企業(yè)生產(chǎn)計(jì)劃的施行是在企業(yè)預(yù)測基礎(chǔ)之上開展的，科學(xué)的生產(chǎn)計(jì)劃有助于企業(yè)的良好效益。

根據(jù)公司供應(yīng)鏈產(chǎn)品訂單預(yù)測誤差的問題，提出了用協(xié)同的整體觀念來審視供需鏈環(huán)境下的訂單預(yù)測的準(zhǔn)確性，利用生產(chǎn)過程全局性和整體性的思想，確定供應(yīng)鏈訂單預(yù)測誤差的目標(biāo)值，企業(yè)的生產(chǎn)目標(biāo)，協(xié)調(diào)企業(yè)各局部生產(chǎn)過程，從而達(dá)到企業(yè)總體最優(yōu)目標(biāo)，以獲得全局的最優(yōu)。

1 模型分析

本文關(guān)注的是基于生命周期測定的銷售預(yù)測，所以搜索了國內(nèi)外關(guān)于短生命周期產(chǎn)品的銷售特點(diǎn)，與階段劃分等的研究文獻(xiàn)，以及圍繞短生命周期產(chǎn)品的銷售預(yù)測方法領(lǐng)域做出歸納，同時(shí)也簡單學(xué)習(xí)了解了服裝補(bǔ)貨策略的相關(guān)理論研究，希望能夠基于現(xiàn)有的理論，對于服裝零售企業(yè)的需求和訂貨管理的理論研究做出一定的補(bǔ)充及提供參考。

從一方面來看，產(chǎn)品的是否熱銷是消費(fèi)者對該產(chǎn)品喜好最直觀的反映。因此成交數(shù)據(jù)反映了產(chǎn)品的熱銷度。因此，可將時(shí)尚產(chǎn)品的成交數(shù)據(jù)作為時(shí)尚產(chǎn)品流行元素流行趨勢預(yù)測的數(shù)據(jù)來源。從另一方面來看，網(wǎng)絡(luò)搜索數(shù)據(jù)由于是消費(fèi)者在網(wǎng)上搜索行為的反映，可以通過提前預(yù)知消費(fèi)者對產(chǎn)品的搜索行為，進(jìn)而獲悉消費(fèi)者對該產(chǎn)品的需求。因此，網(wǎng)絡(luò)搜索數(shù)據(jù)也是時(shí)尚產(chǎn)品流行元素流行趨勢預(yù)測的另一個(gè)重要的數(shù)據(jù)來源。接下來，將分別對基于銷售數(shù)據(jù)的時(shí)尚產(chǎn)品預(yù)測模型的相關(guān)研究，搜索數(shù)據(jù)與社會(huì)經(jīng)濟(jì)行為的相關(guān)研究進(jìn)行詳細(xì)介紹。

2 模型建立

將預(yù)測變量的過去值、當(dāng)前值和誤差值進(jìn)行綜合考慮從而提高了模型的預(yù)測精度。該模型包括自回歸（AR）模型，移動(dòng)平均（MA）模型，自回歸求積移動(dòng)平均（ARIMA）模型三種。在 ARIMA 時(shí)間序列預(yù)測模型中，用序列的滯后項(xiàng)、隨機(jī)干擾項(xiàng)的當(dāng)期與滯后期的線性函數(shù)來表示未來值，該模型的一般形式如下式所示：

ARIMA 模型是經(jīng)過 d 階差分后的 ARMA 模型（p，d，q），這其中p是自回歸模型的階數(shù)，q 是移動(dòng)平均的階數(shù)，εt 是一個(gè)白噪聲過程。

ARIMA 模型具有扎實(shí)的理論基礎(chǔ)，在建模的時(shí)候可以將歷史數(shù)據(jù)和序列自身具有的規(guī)律均考慮在內(nèi)，對具有規(guī)律性特征的數(shù)據(jù)非常適合。

回歸分析是用于分析兩種或兩種以上變量間相互依賴的定量關(guān)系的一種統(tǒng)計(jì)方法。在大量觀測數(shù)據(jù)的基礎(chǔ)上，通過建立自變量與因變量之間的函數(shù)關(guān)系式，確定回歸方程以預(yù)測事物未來的發(fā)展趨勢。

回歸分析預(yù)測模型步驟：

（1）確定變量

通過明確預(yù)測的具體目標(biāo)確定因變量;通過尋找與預(yù)測目標(biāo)相關(guān)的影響因素并從中選出主要的影響因素確定自變量。

（2）進(jìn)行相關(guān)分析

程度來進(jìn)行的，這就需要求出變量之間的相關(guān)關(guān)系，進(jìn)而通過相關(guān)系數(shù)的大小來判斷變量之間的相關(guān)程度。因此，自變量與因變量之間是否存在某種關(guān)系，對回歸方程具有重要意義

（3）建立預(yù)測

回歸分析預(yù)測模型的建立是通過對自變量和因變量的歷史數(shù)據(jù)進(jìn)行計(jì)算，并進(jìn)而建立回歸分析方程。

（4）計(jì)算預(yù)測誤差

不僅需要對回歸方程進(jìn)行檢驗(yàn)，還需要將預(yù)測誤差作為檢驗(yàn)回歸預(yù)測模型是否可用于實(shí)際預(yù)測的參數(shù)指標(biāo)。只有當(dāng)回歸方程通過了檢驗(yàn)，并且預(yù)測誤差到達(dá)標(biāo)準(zhǔn)，才能選擇將該回歸方程作為預(yù)測模型。

（5）確定預(yù)測值

通過回歸預(yù)測模型計(jì)算得到預(yù)測值，分析預(yù)測值后，得到最終的預(yù)測值。

3 模型求解

①相關(guān)分析與回歸分析在實(shí)際應(yīng)用中有密切關(guān)系。然而在回歸分析中，所關(guān)心的是一個(gè)隨機(jī)變量 Y 對另一個(gè)（或一組）隨機(jī)變量X的依賴關(guān)系的函數(shù)形式。而在相關(guān)分析中 ，所討論的變量的地位一樣，分析側(cè)重于隨機(jī)變量之間的種種相關(guān)特征。例如，以X、Y分別記小學(xué)生的數(shù)學(xué)與語文成績，感興趣的是二者的關(guān)系如何，而不在于由X去預(yù)測Y。

②相關(guān)系數(shù)是按積差方法計(jì)算，同樣以兩變量與各自平均值的離差為基礎(chǔ)，通過兩個(gè)離差相乘來反映兩變量之間相關(guān)程度;著重研究線性的單相關(guān)系數(shù)。

③確定相關(guān)關(guān)系的數(shù)學(xué)表達(dá)式。

④確定因變量估計(jì)值誤差的程度。

運(yùn)用 SPSS軟件編程得到的計(jì)算結(jié)果見圖。

結(jié)論

對于新零售企業(yè)的精準(zhǔn)需求預(yù)測采取時(shí)間序列的動(dòng)態(tài)分析方法不具備有效性。原因 主要是需求預(yù)測中的隱性的因素不能通過時(shí)間函數(shù)反映出來。基于因果分析的數(shù)據(jù)模型， 可以良好地預(yù)測需求。使得需求預(yù)測誤差落在預(yù)定的誤差范圍內(nèi)。

預(yù)測分析的數(shù)據(jù)需要通過協(xié)同合作與供應(yīng)商一起挖掘。預(yù)測模型也需要聯(lián)系供應(yīng)商的實(shí)際生產(chǎn)能力來設(shè)定目標(biāo)誤差。本文的不足之處是在多元回歸分析過程中，一些通過專家篩選的相關(guān)因素都在回歸過程中被剔除了，主要的原因是顯著性很低。考慮到采用的是多元線性回歸的方法，其中眾多定性因素沒有體現(xiàn)出來。今后可以嘗試用多元非線性分析方法，引入與預(yù)測相關(guān)的定性因素。預(yù)期建立的模型能夠更好地反映市場宏觀方面對需求預(yù)測的影響。

參考文獻(xiàn)

[1]闞毅. 迅達(dá)公司產(chǎn)品訂單預(yù)測模型研究[D].哈爾濱理工大學(xué)，2015，05.

[2]鄭爽. 互聯(lián)網(wǎng)時(shí)尚產(chǎn)品流行趨勢預(yù)測研究[D].大連理工大學(xué)，2015，06.

[3]李巍巍. 無偏灰色馬爾科夫優(yōu)化模型及其在商品銷售預(yù)測中的應(yīng)用[D].哈爾濱工業(yè)大學(xué)，2015，06.