基于顧客消費數(shù)據(jù)的市場創(chuàng)新時機偵測方法研究

施濤　汪洋

摘要：創(chuàng)新時機的偵測方法，分為三個主要過程：第一，通過EEMD方法對消費數(shù)據(jù)進行平滑處理；第二，偵測單個顧客消費習慣變化；第三，構建市場創(chuàng)新偵測矩陣，分析市場的有利創(chuàng)新時機。最后，利用某運營商的顧客消費數(shù)據(jù)進行創(chuàng)新時機偵測，偵測結果展現(xiàn)了本模型的有效性和實用性。

關鍵詞：創(chuàng)新時機；消費行為；市場需求變化；偵測算法；EEMD

DOI：10.13956/j.ss.1001-8409.2015.03.27

中圖分類號：F275；F713 文獻標識碼：A文章編號：1001-8409（2015）03-0125-05

引言

2013年7月，騰訊科技訊的一則報道引述了搜狗公司CEO王小川對創(chuàng)新的理解：“不創(chuàng)新就是等死，越大的公司越是如此，比如諾基亞；同時，創(chuàng)新就是找死……。”雖然“創(chuàng)新是找死”的論點早已有之，但隨著政府、企業(yè)以及研究機構日益重視和投入創(chuàng)新，此觀點似乎早已被人們遺忘。以創(chuàng)新為己任的互聯(lián)網(wǎng)企業(yè)高管，為何又發(fā)出“創(chuàng)新是找死”這樣的感慨呢？

創(chuàng)新是從企業(yè)對新產(chǎn)品的構思開始，以新產(chǎn)品的銷售和交貨為終結的探索性活動[1]。以平板電腦為例，微軟公司在2001年最早展開對平板電腦的構思，但并沒能以完美的銷售和交貨統(tǒng)領平板市場，反而是蘋果公司于2010年憑借IPad風靡全球。為什么同樣的創(chuàng)新產(chǎn)品卻得到不同的結果呢？著名經(jīng)濟學家Schumpeter指出，創(chuàng)新時機是決定企業(yè)創(chuàng)新成功與否的關鍵因素。開展創(chuàng)新活動會消耗企業(yè)大量資源[2]，在錯誤的時機開展創(chuàng)新活動會導致企業(yè)創(chuàng)新過程的失?。簞?chuàng)新過早，市場對創(chuàng)新產(chǎn)品或服務缺乏有效需求，創(chuàng)新投入無法得到及時回報，企業(yè)競爭優(yōu)勢將被削弱，微軟公司在平板電腦市場的失敗原因之一就是創(chuàng)新過早；創(chuàng)新過晚，其他企業(yè)就可能已經(jīng)占領新產(chǎn)品市場，后發(fā)的創(chuàng)新企業(yè)也會面臨新市場已被瓜分殆盡的窘境。

筆者對某市移動公司顧客消費行為變化狀況進行的研究中發(fā)現(xiàn)：大量消費者行為改變預示著對創(chuàng)新需求的增加，正是企業(yè)開展大規(guī)模創(chuàng)新活動的時機。通過進一步的歸納和發(fā)展，開發(fā)出可供管理者參考的創(chuàng)新時機預測方法，該方法能夠有效提升創(chuàng)新時機決策水平。

1研究回顧

對創(chuàng)新時機的研究始于對競爭環(huán)境下企業(yè)創(chuàng)新時機的探討。Smith等的研究[3～5]顯示，正確時機的選擇是企業(yè)獲得競爭優(yōu)勢、贏得市場收益的關鍵。競爭環(huán)境中最優(yōu)創(chuàng)新時機的選擇問題，體現(xiàn)在企業(yè)應該在新產(chǎn)品引入過程中做市場最先進入者（市場先鋒）還是做市場跟隨者[6]。學術界對這個問題進行了廣泛的討論，但觀點出現(xiàn)了分歧：一些研究者認為最先進入市場的競爭者將獲利更大。Levin等[7]也通過優(yōu)先購買權博弈模型探討企業(yè)進入市場時機問題，得到相同的結論。研究成果表明[8]，最先進入者會獲得包括產(chǎn)品線分布、產(chǎn)品廣度、產(chǎn)品標準、買方轉(zhuǎn)換成本、市場份額等方面的優(yōu)勢，例如各個市場中平均30%的份額被市場的先驅(qū)者占有著。另一些研究者認為，市場先鋒的優(yōu)勢沒有想象中那么大。在市場信息沒有延后的情況下，跟隨者將在創(chuàng)新成果在市場上被證明是好的以后，第一時間選擇跟進，從而削弱市場先鋒的先發(fā)優(yōu)勢[9]。Lee等人[10]發(fā)現(xiàn)，市場先鋒的優(yōu)勢持續(xù)時間受到進入時機的影響，市場先鋒受到仿制品的沖擊更大。Hoppe等[11]的研究顯示，市場跟隨者的優(yōu)勢與R&D成本呈線性正相關。

以競爭對手為中心，不如以顧客價值為中心。通過探討競爭環(huán)境下創(chuàng)新企業(yè)相對最優(yōu)策略，研究者們更清楚地認識到市場先鋒與市場跟隨者在創(chuàng)新活動中的優(yōu)勢與威脅。然而，競爭是為了生存，只能使企業(yè)獲得基本的市場“入場券”。企業(yè)要維持長遠、健康的發(fā)展，必須采取以顧客價值為中心的戰(zhàn)略模式。從市場變化的角度出發(fā)，更客觀、更準確地描述有利創(chuàng)新時機具有重要的實踐意義。

目前，從市場需求角度研究創(chuàng)新時機的文獻相對較少。研究成果不足的重要原因在于：由于早期生產(chǎn)實踐中技術限制或企業(yè)家對數(shù)據(jù)重要性的認識不足，導致消費原始數(shù)據(jù)大量缺失，進而使得研究市場變化規(guī)律、發(fā)現(xiàn)合適的創(chuàng)新時機所需要的大量消費數(shù)據(jù)難以獲得。隨著大數(shù)據(jù)時代的來臨，信息技術飛速發(fā)展，顧客數(shù)據(jù)和消費數(shù)據(jù)的搜集和保存變得越來越簡便，為市場創(chuàng)新時機的研究創(chuàng)造了條件。本研究基于消費者行為數(shù)據(jù)，從市場需求的角度探究描述和量化市場創(chuàng)新時機的方案。

2市場生命周期與創(chuàng)新時機偵測

企業(yè)在何時開展市場創(chuàng)新最為有利？產(chǎn)品生命周期理論告訴我們，當較大比例的消費者開始出現(xiàn)消費量下降的狀況之時，就是企業(yè)引入創(chuàng)新的最佳時機。

根據(jù)產(chǎn)品的生命周期理論，顧客對待產(chǎn)品態(tài)度的變化是存在規(guī)律的：首先，消費者開始對產(chǎn)品產(chǎn)生興趣并開始嘗試使用該產(chǎn)品（或服務）。如果產(chǎn)品符合其需求，那么消費者將進入一個穩(wěn)定購買和使用的時期。隨著時間的推移，消費者開始慢慢厭倦現(xiàn)有產(chǎn)品，開始尋求和嘗試新產(chǎn)品，對舊產(chǎn)品的使用也會逐漸減少。

在眾多消費者個體組成的產(chǎn)品市場中，消費變化的規(guī)律性更加顯著。最初產(chǎn)品（或服務）投入市場會吸引少數(shù)消費者的嘗試使用（引入期）；隨著產(chǎn)品或服務的推廣，越來越多的消費者開始購買和使用該產(chǎn)品（成長期），產(chǎn)品市場呈現(xiàn)快速增長趨勢；隨著產(chǎn)品銷量的不斷增加，產(chǎn)品市場的增長速度將逐漸放緩，產(chǎn)品銷量進入相對穩(wěn)定的狀態(tài)（成熟期）；隨后，一些消費者會厭倦現(xiàn)有產(chǎn)品，并開始追求和嘗試新的產(chǎn)品，舊產(chǎn)品的銷量也逐漸進入快速下滑階段（衰退期）。

值得注意的是，在產(chǎn)品市場進入穩(wěn)定期的后期，會存在這樣一種狀態(tài)：許多消費者厭倦舊產(chǎn)品并開始尋求新的替代產(chǎn)品，對舊產(chǎn)品的消費量逐漸減少，逐漸退出該產(chǎn)品市場，但與此同時，產(chǎn)品市場仍會存在一些新進入的消費者，從而使得整個產(chǎn)品市場的總消費量呈現(xiàn)相對穩(wěn)定的假象。這會帶來一種錯覺，即認為產(chǎn)品市場仍然是穩(wěn)定的。但如果在此階段不引入創(chuàng)新，產(chǎn)品銷量下滑一旦開始，就可能非常迅速。如果企業(yè)在這時還沒做好創(chuàng)新準備，那么市場損失就是不可避免的了。企業(yè)引入創(chuàng)新的最佳時機，就是當較大比例的消費者開始出現(xiàn)消費量下降的狀況之時，而不是整個市場的銷量開始快速下降的時候。

探知顧客對現(xiàn)有產(chǎn)品態(tài)度的常用方法有兩種：一種方法是直接開展調(diào)查，包括問卷或者訪談等形式；另一種方法是偵測顧客消費軌跡的變化，當顧客開始厭倦現(xiàn)有產(chǎn)品或者期待創(chuàng)新產(chǎn)品時，顧客的消費數(shù)據(jù)將真實反映這種情況。本研究通過偵測顧客消費軌跡的變化，設計出合理的評價參數(shù)，構建創(chuàng)新時機矩陣，并以此判斷市場創(chuàng)新的最佳時機。

3設計偵測模型與方法

市場在經(jīng)歷一個發(fā)展階段后，其中的顧客消費行為將會趨于穩(wěn)定，形成穩(wěn)定的消費習慣。Englezos等[12]將消費習慣定義為：人們在進行重復消費的過程中，會產(chǎn)生一種習慣，這種習慣會對其隨后消費行為產(chǎn)生決定性影響的現(xiàn)象。消費習慣在數(shù)據(jù)上應該體現(xiàn)為消費行為數(shù)據(jù)以一恒定的均值為中心上下隨機波動。對應消費習慣的改變是指顧客從一種消費習慣的狀態(tài)中發(fā)生顯著改變的現(xiàn)象。

那么，是否一旦偵測到顧客在某一時期的消費行為發(fā)生了很大的偏離，就可以認為該顧客的消費習慣發(fā)生了改變？消費行為的偏離可能由消費需求的改變引起，也可能是由于隨機性因素導致的，例如某戶某月電量使用減少，可能是因為戶主更換了節(jié)能電器，也可能僅僅是由于戶主因公出差。隨機性因素通常被認為具有短期性、隨機性和波動性，而持續(xù)的改變則意味著顧客正在轉(zhuǎn)入新的消費習慣。本文采用連續(xù)三個月作為偵測期，當顧客的消費行為連續(xù)三個月保持在與原消費水平不同的另一個水平上，則可判斷該顧客的消費習慣已經(jīng)發(fā)生了改變。

根據(jù)以上思路，本研究模型的流程如下：

（1）偵測單個消費者的行為變化

對顧客的消費數(shù)據(jù)進行平滑處理，使數(shù)據(jù)更易于計算，提高預測精確性。

偵測單個顧客的消費習慣是否已經(jīng)發(fā)生變化。

（2）偵測市場的變化

構建創(chuàng)新時機矩陣，描述市場需求變化的一般規(guī)律，探究創(chuàng)新時機的一般特征。

31平滑處理消費行為數(shù)據(jù)——EEMD方法

消費行為數(shù)據(jù)是一種屬性值隨時間變化而變化的高維數(shù)據(jù)。數(shù)據(jù)變化的復雜性大大增加了直接對消費原始數(shù)據(jù)進行分析和應用的復雜度，從而限制了消費數(shù)據(jù)在實踐中的進一步應用。要更精確地對顧客過去的消費行為數(shù)據(jù)所組成的時間序列進行處理和分析，找出顧客消費過程中存在的特點，就必須首先對顧客的消費原始數(shù)據(jù)進行平滑處理，減少數(shù)據(jù)維度，降低數(shù)據(jù)分析難度。

Huang等[13]于1998年提出了一種旨在處理非線性、非平穩(wěn)時間序列的方法——經(jīng)驗模態(tài)分解（EMD）。該方法能夠用于對消費數(shù)據(jù)進行有效降維，提高對消費數(shù)據(jù)進行挖掘的準確性和便捷性。2009年，Wu等[14，15]對EMD方法進行了改進，提出利用白噪聲的總體平均經(jīng)驗模式分解（EEMD）方法。

本文采用EEMD方法對顧客消費數(shù)據(jù)進行預處理，分離出IMF，并得到平滑后的顧客消費變化，算法過程如下：

在原始序列s（t）中多次加入均值為0、標準差為常數(shù)的白噪聲，即：

si（t）=s（t）+ni（t）（1）

式（1）中si（t）為加入第i次白噪聲后的序列；ni（t）為第i次加入的白噪聲序列，其中i={1，2，...，N}，N為加入白噪聲的次數(shù)。

對加入白噪聲后的新序列si（t）分別進行EMD分解，得到分解出的各IMF標記為imfij（t） 以及一個余項式ri（t）。其中imfij（t）表示加入第i次白噪聲后序列所分解出的第j個IMF分量。

由于隨機白噪聲是可以通過足夠多的試驗相抵消的，所以將分解得到的IMF分量進行總體平均，即可得出最終的各IMF分量，即：

imfj（t）=1N∑Ni=1imfij（t）（2）

式（2）中imfj表示對原始序列進行EEMD分解所得到的第j個IMF分量；N為加入的白噪聲次數(shù)。

根據(jù)IMF分量的定義，在任意點分別由局部最大值和局部最小值產(chǎn)生的包絡線的均值為零[13]。經(jīng)過EEMD方法分解得到的新序列并不會影響原序列的均值及運動趨勢。將原序列減去分離出的IMF分量即可在不影響原序列均值的情況下達到對原序列的平滑作用。

H（t）=s（t）-∑jimfj（t）（3）

式（3）中H（t）為平滑后的序列。

經(jīng)過EEMD方法處理過后的消費數(shù)據(jù)序列較原始序列更平滑，更易于進行進一步的分析和計算。

32偵測顧客消費習慣的變化——消費習慣變化系數(shù)

消費習慣變化是指顧客新一期的消費數(shù)據(jù)與其過去相比存在顯著的區(qū)別和差異。本文通過正態(tài)分布累積分布函數(shù)（CDF）定義了“消費習慣變化系數(shù)”指標來對其進行量化和解釋。

若xt表示某顧客在第t期（t=1，2，...，n）的消費數(shù)值，μ和σ分別為t期消費行為數(shù)據(jù)的均值和標準差，即：

μ=1n∑ni=1x（4）

σ=1n∑ni=1（x-μ）2（5）

在t=1，2，...，n的情況下，xt服從正態(tài)分布N（μ，σ）。這時，第n+1期數(shù)據(jù)xn+1服從N（μ，σ）的程度就可以用xn+1在分布N（μ，σ）中出現(xiàn)的概率來度量，即：

P（X=xn+1）=Φ（xn+1-μσ）（6）

根據(jù)統(tǒng)計學慣例，當P（X=xn+1）<001（即xn+1值出現(xiàn)的概率小于1%）時，認為xn+1的值所表現(xiàn)出的消費行為與過去消費習慣相比是具有統(tǒng)計意義上顯著差異的，即該顧客的消費需求在第n+1期發(fā)生了變化（如圖1）。圖1正態(tài)分布累積分布函數(shù)曲線

消費行為變化（CR，change rate）是顧客在新一期消費數(shù)據(jù)中表現(xiàn)出的行為變化。其計算如式（7）：

CR（x）=P（X≤x）（7）

其中X服從正態(tài)分布N（μ，σ）。

取置信水平為α，即當CR（x）≤α時，該顧客是流失的；當α1-α時，該顧客是有消費數(shù)據(jù)增長的。

結合前文的分析，本文以顧客連續(xù)三個月消費出現(xiàn)相同方向的波動來規(guī)定消費習慣在數(shù)值上的表現(xiàn)。若連續(xù)三個月的消費行為數(shù)據(jù)為x1，x2，x3，則連續(xù)三個月的消費行為變化系數(shù)出現(xiàn)的概率為CR（x1）×CR（x2）×CR（x3）。根據(jù)這個概率值與置信度的比較，可判斷該消費行為的增減性。

但是用CR簡單相乘的形式來量化消費習慣變化仍存在一些問題。CR（x1）、CR（x2）和CR（x3）分別表示兩個顧客連續(xù)三個月的消費行為變化系數(shù)見表1、圖2。

表1簡單乘積相同的2組樣本數(shù)據(jù)

CR（x1）CR（x2）CR（x3）乘積樣本104008002000064樣本201004016000064圖2表1樣本數(shù)據(jù)CR變化對照

樣本1和樣本2兩組數(shù)據(jù)的乘積相等，均為000064。樣本2的CR樣本數(shù)值變化比較平穩(wěn)，甚至在CR（x3）有所提升；而樣本1在變化過程中CR值有明顯下降，顯然不應將樣本1與樣本2的變化趨勢判斷為同類變化。使用簡單相乘形式的參數(shù)量化連續(xù)三個月的流失情況會導致出現(xiàn)第二類錯誤的概率較大。

若改用概率相加來代替相乘，根據(jù)簡單推導（見式8）可知概率相加是比概率相乘更嚴格的變化測量指數(shù)，能夠更精確地反映變化的真實水平。

CR（x1）+CR（x2）+CR（x3）≤33α

CR（x1）×CR（x2）×CR（x3）≤α（8）

本文采用三個月參數(shù)相加的形式量化連續(xù)三個月數(shù)據(jù)的變化：連續(xù)三個月的消費數(shù)據(jù)x1，x2，x3的消費行為變化系數(shù)分別是CR（x1），CR（x2），CR（x3），則消費者需求變化系數(shù)（CDCC，consumer demand change coefficient）：

CDCC=CR（x1）+CR（x2）+CR（x3）（9）

當CDCC≤33α時，可判斷該顧客在α的置信水平下是消費下降的。

當33α

當CDCC>3-33α時，可判斷該顧客在α的置信水平下是有消費增長的。

33偵測市場的創(chuàng)新時機——創(chuàng)新時機矩陣

市場是消費者個體的集合。市場變化指數(shù)（MVC，market variation coefficient）是一個描述細分市場宏觀波動趨勢的指數(shù)。該指數(shù)的構建基于CDCC的計算，其含義是市場中所有個體消費需求變化的均值：

MVC=∑CDCCiN×100（10）

式（10）中，MVC是市場變化指數(shù)，N為市場的顧客總數(shù)，CDCCi為市場中顧客i的消費者需求系數(shù)值，i=1，2，3...N。

MVC的取值范圍為0到300，即0≤MVC≤300。當130≤MVC<160時，表示該細分市場波動不明顯；當160≤MVC<300時，表示該細分市場有明顯增長趨勢；當0≤MVC<130時，表示該細分市場有明顯萎縮趨勢。

在實際運用中，MVC要與市場變化率參數(shù)共同使用才能清晰描述市場變化。當MVC處于130到160區(qū)間時，不能明確顯示該數(shù)值所反映出的是市場穩(wěn)定的結果，還是由于市場中的顧客同時向增長和流失兩個方向改變造成的。市場變化率就是解釋以上問題的一個很合適的參數(shù)。

市場變化率（CM，Change in Market）是市場中顧客需求產(chǎn)生異變的比例：

CM=ntN（11）

式（11）中，CM為市場變化率，N為該市場的顧客總數(shù)，nt為該市場中消費出現(xiàn)顯著變化的顧客數(shù)。

顯然，CM的值是一個處于0和1之間的數(shù)，CM越大表示該細分市場的變化顧客越多，該市場的顧客消費需求也就越不穩(wěn)定：CM≤03表示該細分市場是穩(wěn)定的；0307則表示該市場在劃分之初的需求模式已經(jīng)不復存在。

結合使用MVC與CM就可得到創(chuàng)新時機矩陣（IOM，Innovation Opportunity Matrix），能對市場的變化規(guī)律進行充分的解釋，如圖3。圖3運用創(chuàng)新時機矩陣對市場創(chuàng)新時機進行偵測

創(chuàng)新時機矩陣中將市場變化率（CM）置于橫坐標，市場變化指數(shù)（MVC）置于縱坐標，根據(jù)取值可將創(chuàng)新時機矩陣分為若干區(qū)域。陰影區(qū)域為“創(chuàng)新時機區(qū)”，表明市場需求已經(jīng)發(fā)生明顯變化，需要對該市場的營銷策略做出創(chuàng)新和調(diào)整。創(chuàng)新時機矩陣中箭頭方向表示市場一個生命周期在創(chuàng)新時機矩陣中的運動軌跡：在市場引入期，市場緩慢成長過程中，增長不明顯，落在A點附近；在市場成長期，市場迅速成長，落在創(chuàng)新時機矩陣中B點附近；隨著成熟期的到來，市場增長速度放緩，逐漸趨于穩(wěn)定，曲線位于C點附近，開始向創(chuàng)新時機區(qū)移動；在衰退期，市場趨于萎縮，變化明顯，處于創(chuàng)新時機矩陣中D點附近。

4應用案例

案例數(shù)據(jù)來源于中國移動某分公司。本文從該移動公司管理系統(tǒng)貴賓顧客數(shù)據(jù)庫中，隨機抽樣提取出3000條用戶數(shù)據(jù)。以2011年1～12月這12個月的消費行為數(shù)據(jù)為基礎，判斷顧客過去的消費習慣，偵測2012年3～5月這3個月中市場策略是否有必要進行改變和創(chuàng)新。在研究過程中，研究者從“通信時長”、“短信條數(shù)”和“GPRS流量”這三個重要數(shù)據(jù)項出發(fā)，分別對語音、短信和上網(wǎng)業(yè)務部分進行創(chuàng)新時機偵測。

通過對數(shù)據(jù)進行預處理，計算出該細分市場內(nèi)每個顧客的CDCC值，接下來根據(jù)式（10）和式（11）計算出該市場的市場變化指數(shù)及市場變化率，見表2。

表2樣本數(shù)據(jù)MVC和CM計算結果

市場名稱MVCCM語音143489233%短信131299070%上網(wǎng)174729000%在創(chuàng)新時機矩陣中定位各項數(shù)據(jù)，如圖4所示。圖4案例中各市場在創(chuàng)新時機矩陣中定位

數(shù)據(jù)結果顯示，該公司上網(wǎng)業(yè)務正在快速增長中，市場處于成長期；而語音和短信業(yè)務則落于創(chuàng)新時機區(qū)域內(nèi)，需要及時對公司這兩部分業(yè)務的營銷策略進行調(diào)整。這意味著互聯(lián)網(wǎng)的高速發(fā)展已經(jīng)改變了電信運營商的生存環(huán)境，基于互聯(lián)網(wǎng)的通訊服務給電信運營商的傳統(tǒng)業(yè)務如語音、短信等帶來了巨大的挑戰(zhàn)。

5研究結論

本研究以偵測市場需求的變化為切入點，從市場需求角度出發(fā)探究描述和偵測市場創(chuàng)新時機的新方法。新方法包括三個連續(xù)過程：利用EEMD方法處理消費行為數(shù)據(jù)，通過變化系數(shù)偵測消費習慣，使用創(chuàng)新時機矩陣確定市場創(chuàng)新時機。利用隨機抽取的某移動公司3000名顧客15個月的消費數(shù)據(jù)，本文對該移動公司的市場創(chuàng)新時機進行了偵測，偵測結果對該公司的市場創(chuàng)新判斷起到重要的幫助作用，后續(xù)的市場發(fā)展有力印證了該方法的有效性。

本研究成果填補了市場需求角度研究創(chuàng)新時機選擇方面的理論空缺。在實踐中能有效幫助企業(yè)在第一時間掌握市場中顧客需求的變化，抓住創(chuàng)新的機遇期；有利于企業(yè)及時反省自身所提供產(chǎn)品或服務中存在的問題，盡早對產(chǎn)品或服務質(zhì)量進行提升和優(yōu)化，從而降低顧客的流失率，使企業(yè)“創(chuàng)新”而不“找死”。

參考文獻：

[1]Mansfield E.Industrial Research and Technological Innovation：An Econometric Analysis[M].Norton New York，1968.

[2]宋曉梅，劉富鈾，弓寶平.合作創(chuàng)新還是自主創(chuàng)新？[J].科學管理研究，2005（5）：19-21.

[3]Stalk G，Hout T M.Competing Against Time：How Timebased Competition is Reshaping Global Markets[M].New York：Free Press，1990.

[4]吳建祖，陳雪麗.競爭條件下企業(yè)專利商業(yè)化時機研究[J].軟科學，2010（10）：51-54.

[5]黃學軍.基于不確定和競爭性二維環(huán)境下的投資決策方法比較[J].軟科學，2007（1）：33-36.

[6]Romer P.New Goods，Old Theory，and the Welfare Costs of Trade Restrictions[J].Journal of Development Economics，1994，43（1）：5-38.

[7]Levin D，Peck J.Investment Dynamics with Common and Private Values[J].Journal of Economic Theory 2008，143（1）：114-139.

[8]Robinson W T.Sources of Market Pioneer Advantages：The Case of Industrial Goods Industries[J].Journal of Marketing Research，1988：87-94.

[9]Hoppe H C.Secondmover Advantages in the Strategic Adoption of New Technology Under Uncertainty[J].International Journal of Industrial Organization，2000，18（2）：315-338.

[10]Lee H，Smith K G，Grimm C M，et al.Timing，Order and Durability of New Product Advantages with Imitation[J].Strategic Management Journal，2000，21（1）：23-30.

[11]Hoppe H C，LehmannGrube U.Innovation Timing Games：A General Framework with Applications[J].Journal of Economic Theory，2005，121（1）：30-50.

[12]Englezos N，Karatzas I.Utility Maximization with Habit Formation：Dynamic Programming and Stochastic Pdes[J].Siam Journal on Control and Optimization，2009，48（2）：481-520.

[13]Huang N E，Shen Z，Long S R，et al.The Empirical Mode Decomposition and the Hilbert Spectrum for Nonlinear and Nonstationary Time Series Analysis[J].Proceedings of the Royal Society of London.Series A：Mathematical，Physical and Engineering Sciences，1998，454（1971）：903-995.

[14]Wu Z，Huang N E.Ensemble Empirical Mode Decomposition：A NoiseDssisted data Analysis Method[J].Advances in Adaptive Data Analysis，2009，1（1）：1-41.

[15]王瑞君.滬深股市結構特征及作用關系研究——基于EEMD和狀態(tài)空間模型[J].北京理工大學學報：社會科學版，2013（1）：46-53.

（責任編輯：秦穎）