基于時間序列分析的商品銷量預測

韓抒航 張雨 劉勝涵

摘要;隨著我國經濟技術的不斷發展，信息產業的進步，人們的消費水平不斷提高，消費觀念也在發生變化，更加注重通過消費提升生活品質，追求個性化、健康的生活方式。在新零售行業，消費市場逐漸轉變為以顧客為中心。對于消費者而言，繁雜的購物推薦信息會使得顧客感到困惑，零售企業如果能夠準確地預測顧客的需求，根據需要推薦提供商品，會讓顧客的選擇更加輕松。收集相關的銷售數據，建立分析顧客需求特征的指標體系，精準分析顧客的需求，提供符合顧客要求的個性化產品，能夠提升顧客的消費體驗，提高企業的經營效率。

本文以某零售企業生產的 N 款產品，在華東區內的相關數據為例，預測指定的商品在2019年10月1日后3個月的銷售量，并對預測值進行評估。采用時間序列分析的方法來進行預測，利用Excel，python pandas，篩選出2019年6月1日至2019年10月1日內累計銷售額排名前10的小類，將其作為目標小類，之后再利用spss分析銷售量隨時間的變化情況，最后得出預測值，并計算出MAPE值來進行評估。

關鍵詞：時間序列分析;預測;銷售量

隨著經濟社會的不斷發展，人們的消費水平不斷提高，消費觀念也在發生變化，消費更傾向于購買雅觀、個性化的商品。在新零售行業，顧客成為消費活動的中心對于企業而言，零售企業如果能夠準確地預測顧客的需求，根據需要推薦提供商品，會讓顧客的選擇更加輕松。收集相關的銷售數據，建立分析顧客需求特征的指標體系，精準分析顧客的需求，提供符合顧客要求的個性化產品，能夠改善顧客的購物體驗，有助于企業提高銷量。

目前，商品需求預測的方法主要有定性預測和定量預測有兩種。定性預測容易受到主觀因素的影響，不適用于對大量商品的預測，預測精度會伴隨預測者對商品銷售的熟悉程度發生巨大變化。定量預測方法包括簡單移動平均法和加權移動平均法等。簡單移動平均法和加權移動平均法僅適用于需求相對穩定，無季節性變化趨勢的情況。而對于加權平均法，權重賦予具有很大的主觀性。

一、模型建立

1. 模型準備

（1）數據準備

首先我們使用EXCLE將數據進行預處理，然后利用python數據處理第三方庫對所有小類進行處理分析，篩選出歷史銷售時間處于2019年6月1日至2019年10月1日內且累計銷售額排名前10的小類作為目標小類，本小問使用SPSS軟件分析銷售量隨時間變化的情況，得出預測值進行MAPE值的計算。

（2）模型假設

1.承認事物發展的延續性。應用過去數據，就能推測事物的發展趨勢。

2.考慮到事物發展的隨機性。任何事物發展都可能受偶然因素影響，為此要利用統計分析中加權平均法對歷史數據進行處理。

（3）模型基礎

時間序列分析是根據系統觀測得到的時間序列數據，通過曲線擬合和參數估計來建立數學模型的理論和方法。它一般采用曲線擬合和參數估計方法（如非線性最小二乘法）進行。我們針對目標小類的月銷量建立起了時間序列模型，取得了較好的效果。

3.模型建立

時間序列模型可以表示為：

數據= f*（趨勢，季節，循環）+誤差

f取何種形式，取決于時間序列本身的變化規律和采用的預測方法，通常采用乘積或疊加的形式：

其中，Y表示t時刻時間序列的數值，T、S、C、I分別表示趨勢因素、季節因素、循環因素和隨機性因素。

乘積模型適用于季度變動或循環變動的幅度隨趨勢增加而加大的時間序列，時間序列的一個主要工作是把一個時間序列數據分解成T、C、S三個因素，然后再把這些因素合成進行需求預測。

二、預測分析

觀察模型擬合度可得，R方近似于1，反應出線性模型擬合趨勢很好。

從殘差的ACF和PACF圖形中可以看出，所有滯后階數的自相關系數和偏自相關系數均和0沒有顯著的差異;另外對殘差進行Q檢驗得到的大多數p值均大于0.05，即我們無法拒絕原假設，認為殘差就是白噪聲序列，但其中第1個小于0.05舍棄，因此七個推薦模型能夠很好的識別本例中的銷售量數據。

1.結果分析

由此得到：歷史銷售時間處于2019年6月1日至2019年10月1日內且累計銷售額排名前10的小類在2019年10月之后三個月的MAPE值為：

其中表示真實值，表示預測值，APE表示百分比誤差，n表示指標集個數。

結論

通過對目標小類在2018年1月至2019年9月，共21個月的銷售量分析，得到其發展趨勢，使用時間序列分析預測得出2019年10月之后的三個月的每月銷量，由此，我們得到了這三個月的MAPE值分別為0.237259、0.2750299、0.2126327.通過對MAPE值的分析得出，在誤差允許的情況下，利用我們的方法，可以大致的預測出月銷量。

參考文獻

[1]?基于主成分分析的K均值聚類法在洪水預報中的應用[J]. 劉可新，包為民，闕家駿，李佳佳，束慧連.?武漢大學學報（工學版）. 2015（04）

[2]?面向連鎖零售業的時間序列預測方法研究[J]. 張鈉，殷哲，呂飛，馬士華.?工業工程與管理. 2014（03）

[3]?社會消費品零售總額組合預測模型研究[J]. 鄧唯茹，何躍，蒲彥希.?統計與決策. 2014（04）

[4]?基于PCA-K-means的衛星遙感圖像的顏色特征提取技術[J]. 趙薔，解爭龍，李紅，李小林.?微電子學與計算機. 2012（10）

作者簡介：韓抒航，男，出生年：2000.01.23，漢，河南省西平縣，本科在讀，研究方向：數據挖掘。