基于客流量的貝葉斯回歸服裝銷售預測方法

宋憲捷　周建軍　鹿士凱　劉鳳坤

摘要： 科學、準確地預測服裝銷售量，對服裝企業研發、生產、配送、銷售等流程起到至關重要的作用。為此，文章采用貝葉斯一元回歸方法，借助貝葉斯極大似然估計的優勢，并結合時間序列移動平均法構建了服裝銷售量預測模型。該模型首先引入客流量的概念，以此作為服裝銷售預測的中間轉化量，采用時間序列的移動平均法構建季節因子，屏蔽季節影響因素，用以預測客流量；然后依據客流量預測值通過貝葉斯一元回歸方法預測服裝銷售量；最后利用案例驗證了貝葉斯回歸服裝銷售量預測的有效性和準確性。

關鍵詞： 服裝；銷售預測；時間序列；貝葉斯回歸；客流量

中圖分類號： TS941.1文獻標志碼： A文章編號： 10017003（2018）04004405引用頁碼： 041108

Abstract： Scientific and accurate prediction of clothing sales is of vital importance to the development， production， distribution and sales of clothing enterprises. Therefore，clothing sales forecast model was constructed by applying Bayesian monadic regression method， taking advantage of the Bayesian maximum likelihood estimation and combining moving average method of time series. The model first introduced the concept of passenger flow as the middle transformation quantity of clothing sales forecast. Besides， the moving average method of time series was used to construct seasonal factors，shieldseasonal influencing factorsand predict passenger flow. Then， the clothing salesvolume was predicted by Bayesian monadic regression method according to the predicted value of passenger flow. Finally， the validity and accuracy of Bayesian regression model were verified by cases.

Key words： clothing； sales forecast； time series； Bayesian regression； passenger flow

科學、準確的銷售預測可以節省可觀的人力、財力，避免斷貨，減少庫存，減少資金占用，為企業經營決策提供有力的支持[1]。因此，服裝銷售的預測對企業的設計、生產、物流、銷售等起到舉足輕重的作用。服裝銷售很大程度上會受到天氣、地域、人為等因素的影響，呈現出季節性、周期性、趨勢性和隨機性[2]，情況較為復雜和特殊，且主觀性較強。

目前所建立的銷售模型包括時間序列的馬爾科夫鏈模型、人工神經網絡模型、決策樹等其他模型[35]。池可等[6]對多種服裝銷售預測方法進行了定量比較，結果顯示：移動平均法和指數平滑法在基本固定型的服裝銷售中預測精度較好；季節指數法較適用流行趨勢型，多元回歸法較適用于季節因果型服裝銷售，一元回歸法較適用于流行趨勢型。相比之下，基于貝葉斯原理的回歸模型在預測過程中不僅利用了前期的數據信息，還加入了決策者的經驗和判斷等信息，并將客觀因素和主觀因素結合起來，對異常情況的發生具有較多的靈活性[7]。

結合以上研究，本文提出基于客流量的貝葉斯回歸法預測服裝銷售。首先，引入客流量為中間轉換量，應用時間序列移動平均法對客流量進行預測，然后以客流量預測值作為依據，采用貝葉斯回歸方法預測銷售量，得到最大概率的區間范圍，最后用區間中位數來作為最終的預測值。

1基于客流量的貝葉斯回歸服裝銷售

預測方法的構建1.1服裝銷售影響因素

服裝，一種具有季節性和趨勢性等特性的產品，其銷售量受到諸多復雜因素的影響，除包括季節等客觀影響因素之外，還包括消費者的購買觀念等主觀影響因素。因此，對于服裝銷售量的預測既需要感性也需要理性。由于貝葉斯一元回歸法需要選取觀測值，因此本文引入客流量作為預測的中間轉換量。客流量，作為經營轉化最基本的指標[8]，是影響服裝銷售量的直接原因。天氣、促銷、季節、地域、產品等因素是影響服裝銷售的主要原因。本文給出服裝銷售影響因素的關系圖，如圖1所示。由于時間序列作為經典的預測模型，因此客流量的預測引用此方法。

1.2基于客流量的貝葉斯回歸的服裝銷售預測

流程基于服裝銷售的主要影響因素，本文將時間序列和貝葉斯回歸兩種方法有效結合，提出了一種更完善的服裝銷售預測模型，該模型能夠對服裝銷售復雜特征進行最大程度的有效分析。如圖2所示為服裝銷售預測流程圖。

具體操作如下：

1）收集近三年各季節的客流量數據；

2）確定季節因子：每一季度的季節因子等于本月的客流量除以上下相鄰客流量的移動平均值；

3）利用季節因子修正各季度的客流量值，并建立時間與客流量之間的時間序列回歸方程；

4）利用回歸方程和季節因子，預測下個季度的客流量預測值；

5）建立貝葉斯回歸模型；

6）根據近年的各季度的客流量和銷售量數據，確定似然函數，求出極大似然估計量；

7）根據4）得到的客流量預測值，利用貝葉斯回歸的區間預測公式和可信概率求得銷售值的預測區間，并取中間值作為銷售預測最終值。

3結語

本文通過客流量作為中間轉化量，相繼運用時間序列和貝葉斯回歸方法，進而對服裝銷售量進行預測。貝葉斯回歸預測充分利用了以往數據提供的信息，提高了預測值的合理性和精確性，并且還給出了預測值最可能出現的分布區間，增加了預測結果的可信度，最后通過評價預測精度公式分析可知，該預測方法具有較高的科學性。總之，本文所提方法可在其適用范圍或個性化服裝企業預測銷售時根據實際情況對其進行修正，以期達到更高的預測精度。

參考文獻：

[1]鳳德偉，張忠能，凌君逸.基于神經網絡的短期銷售預測[J].計算機工程，2004，30（S1）：363364，390.

FENG Dewei， ZHANG Zhongneng ， LING Junyi. The short term sales forecasting based on neural network [J]. Computer Engineering， 2004，30（S1）：363364，390.

[2]萬艷敏，陳勝，戴淑嬌.基于時間序列和PERT的服裝銷售預測方法研究[J].絲綢，2006（11）：6063.

WAN Yanmin， CHEN Sheng， DAI Shujiao. Study on forecast method for garment sales baesd on time series and PERT [J].Journal ofSilk， 2006（11）：6063.

[3]沈岳.基于時間序列馬爾可夫鏈的服裝銷售預測[J].絲綢，2009（11）：3234.

SHEN Yue. Prediction of clothing sales based on time series markov chain [J]. Journal of Silk， 2009（11）：3234.

[4]羅戎蕾，劉紹華，蘇晨.基于遺傳算法的BP神經網絡服裝銷售預測方法[J].北京郵電大學學報，2014，37（4）：3943.

LUO Ronglei， LIU Shaohua， SU Chen. Garment sales forecast method based on genetic algorithm and BP neural network [J]. Journal of Beijing University of Posts and Telecommunications， 2014，37（4）：3943.

[5]高融，楊以雄，史曉云.服裝品牌產品銷售預測[J].東華大學學報（自然科學版），2014，40（5）：651657.

GAO Rong， YANG Yixiong， SHI Xiaoyun. Research on product sales forecasting of clothing brands [J]. Journal of Donghua University （Natural Science），2014，40（5）：651657.

[6]池可，陳雁.基于對象信息的服裝銷售預測方法選擇[J].紡織學報，2009，30（10）：139142.

CHI Ke， CHEN Yan. Forecast method for garment sales based on object information [J]. Journal of Textile Research， 2009，30（10）：139142.

[7]陳鎮坤，劉金山.基于MCMC的貝葉斯時間序列CPI預測模型[J].統計與決策，2015（3）：6567.

CHEN Zhenkun， LIU Jinshan. Based on MCMCs bayesian time series CPI prediction model [J]. Statistics and Decision， 2015（3）：6567.

[8]宋建萍.從客流量看兩商場的經營態勢[J].中國統計，2007（9）：5556.

SONG Jianping. The business situation of the two malls from the passenger flow [J]. China Statistics， 2007（9）：5556.

[9]S·詹姆士·普雷斯.貝葉斯統計學：原理、模型及應用[M].北京：中國統計出版社，1992：127132.

PRES S James. Bayesian Statistics∶Principles， Models and Applications [M]. Beijing： China Statistical Publishing House， 1992：127132.

[10]楊以雄.服裝市場營銷[M].上海：東華大學出版社，2007：151154.

YANG Yixiong.Clothing Marketing [M]. Shanghai： Donghua University Press， 2007：151154.

[11]王玉榮.商務預測方法[M].北京：對外經濟貿易大學出版社，2003：1112.

WANG Yurong.Business Forecasting Method [M]. Beijing： University of Foreign Economics and Trade Press， 2003：1112.