零售業(yè)商品需求預測體系設(shè)計與實證檢驗

吳建材

內(nèi)容摘要：本文首先介紹了零售企業(yè)商品需求預測的相關(guān)理論方法，在此基礎(chǔ)上設(shè)計了商品需求預測系統(tǒng)。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(jié)果，代入組合預測模型，獲得商品的組合預測模型需求結(jié)果，最后驗證了組合預測方法的優(yōu)越性。

關(guān)鍵詞：零售企業(yè) ? 預測模型 ? 預測系統(tǒng) ? 組合預測

引言

隨著經(jīng)濟的快速發(fā)展與市場競爭的日趨激烈，物流過程中的各個環(huán)節(jié)對企業(yè)利潤的增長都起著不可忽視的作用。對于零售業(yè)來說，一定數(shù)量的產(chǎn)品庫存可以維持銷售的穩(wěn)定，及時應對市場需求的變化，對上游企業(yè)生產(chǎn)的穩(wěn)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(fā)展，使得對市場需求的預測越來越困難。各零售企業(yè)為了保證客戶需求，維持穩(wěn)定銷售，只得不斷增加產(chǎn)品庫存。盲目的增加庫存占用了企業(yè)大量資金，增加了管理成本，浪費企業(yè)資源。如何合理的對產(chǎn)品市場需求進行預測，進而有效的控制產(chǎn)品庫存，是零售企業(yè)面臨的重要問題。通過對商品未來發(fā)展趨勢作出準確預測，可以有效減少產(chǎn)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(yè)效益與市場競爭力。

本文針對零售業(yè)商品需求的預測問題，探討了商品需求預測方法，設(shè)計了商品需求預測系統(tǒng)。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(jié)果，代入組合預測模型，獲得商品的組合預測模型需求結(jié)果。通過設(shè)計商品需求預測系統(tǒng)，將上述方法具體實施。利用商品需求預測系統(tǒng)，對某商品在某一時間段的銷售數(shù)據(jù)進行了預測分析，驗證了組合預測方法的優(yōu)越性。

需求預測基本模型方法

所謂預測，即通過對產(chǎn)品歷史需求數(shù)據(jù)進行分析，從而得到產(chǎn)品未來需求情況的方法。通過對產(chǎn)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(shù)據(jù)分段，在此基礎(chǔ)上，根據(jù)數(shù)據(jù)點的順序逐步來進行推移，從而計算平均數(shù)，得出預測結(jié)果。

第二，指數(shù)平滑法。指數(shù)平滑法根據(jù)移動平滑法發(fā)展而來。指數(shù)平滑法通過將預測目標的歷史統(tǒng)計序列進行逐層平滑計算，抵消因為隨機因素產(chǎn)生的影響，進而找出待預測目標的變化趨勢，并根據(jù)此趨勢對未來進行預測。指數(shù)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(jié)與季節(jié)隱性的自回歸綜合移動平滑模型?？梢栽趯?shù)據(jù)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(guān)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(guān)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(jié)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(jù)其預測效果賦予不同的權(quán)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(jié)果。組合模型可有如下具體形式：

（一）算數(shù)平均組合預測法

算術(shù)平均法就是賦予每種預測結(jié)果相同的權(quán)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(shù)，yt是第t時期算數(shù)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(quán)重，m表示單項預測模型總數(shù)。

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(guān)注不同預測誤差之間的相關(guān)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(quán)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(xiàn)出不同的預測效果，算術(shù)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(shù)組合預測法

誤差平方和倒數(shù)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(shù)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(xiàn)為它在組合預測中的權(quán)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(quán)重就越大。

（三）簡單加權(quán)平均組合預測法

簡單加權(quán)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(shè)E1>E2>，…，>Em，各個單項預測方法預測誤差的方差和與權(quán)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(quán)重越小。簡單加權(quán)平均組合預測模型如下：

（3）

其中，yt是第t時期加權(quán)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(shè)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(tǒng)設(shè)計

為了方便零售業(yè)商品需求預測的操作與管理，設(shè)計商品需求預測系統(tǒng)，將上述單項和組合預測方法集成在預測系統(tǒng)中，能夠幫助零售行業(yè)從業(yè)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(yè)收益。

（一）需求預測系統(tǒng)功能

零售業(yè)商品需求預測根據(jù)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(nèi)的市場需求量。需求預測系統(tǒng)主要目標是完成以下功能：需求預測系統(tǒng)的預測對象為零售業(yè)商品，將商品的基本信息及歷史銷售數(shù)據(jù)錄入系統(tǒng)，要方便預測人員管理和維護;為提高預測的精度，系統(tǒng)能夠?qū)崿F(xiàn)數(shù)據(jù)的預處理功能;系統(tǒng)中提供單項短期數(shù)值預測模型和組合預測模型，實現(xiàn)短期需求預測。

（二）系統(tǒng)功能模塊設(shè)計

依據(jù)以上的系統(tǒng)需求分析和功能描述，可以將需求預測系統(tǒng)劃分為6 個模塊，即基本信息管理模塊、數(shù)據(jù)質(zhì)量管理模塊、模型參數(shù)設(shè)置模塊、單項預測模塊、組合預測模塊、需求預測結(jié)果瀏覽模塊。

基本信息管理模塊對需求預測系統(tǒng)的基本信息，包括商品信息及商品歷史數(shù)據(jù)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(shù)據(jù)質(zhì)量管理模塊包括對異常數(shù)據(jù)的預處理功能和預測數(shù)據(jù)的查詢功能;模型參數(shù)設(shè)置模塊設(shè)置單項預測模型的參數(shù);單項預測模塊對商品的未來需求量使用系統(tǒng)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(tǒng)提供的組合預測模型進行預測;需求預測結(jié)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(jié)果。

（三）系統(tǒng)開發(fā)工具

系統(tǒng)采用基于Web 的B/S 架構(gòu)，開發(fā)環(huán)境上，本系統(tǒng)采用開發(fā)平臺為MyEclipse，運用JAVA 語言，系統(tǒng)設(shè)計模式采用MVC分層結(jié)構(gòu)，系統(tǒng)的總體框架采用Struts+Spring+Ibatis，服務器和數(shù)據(jù)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(tǒng)，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(shù)據(jù)為某超市中華牙膏的周銷量。本文基于數(shù)據(jù)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(jié)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(jié)果，繪制擬合曲線圖，并對第22、23、24周數(shù)據(jù)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(shù)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(chǎn)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(shù)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(shù)平均法、誤差平方和倒數(shù)法、簡單加權(quán)平均法3種組合預測權(quán)重方法來進行預測分析。預測周期數(shù)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(xiàn)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(jié)果已經(jīng)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(quán)綜合后，獲得的組合預測結(jié)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(xiàn)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(yōu)越性。

綜上，本文以零售企業(yè)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(guān)理論進行了介紹，設(shè)計了需求預測系統(tǒng)。并在此基礎(chǔ)利用需求預測系統(tǒng)，對零售業(yè)商品需求預測進行實例分析，驗證了組合預測方法的優(yōu)越性。

參考文獻：

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

2.李婧，李蘇劍.零庫存生產(chǎn)及實現(xiàn)方法[J].物流技術(shù)，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(jīng)網(wǎng)絡預測方法[J].東南大學學報（自然科學版），2004，34（4）