一種基于模糊綜合評價的抗風險能力評價模型

張俊瑋 劉昭赫 王逸飛 王 澍 于莉欣 王繼春

（1、沈陽建筑大學管理學院，遼寧 沈陽110000 2、沈陽建筑大學理學院，遼寧 沈陽110000）

零售商品銷售行業是我國經濟實力的重要組成部分，近年來，在我國良好的經濟政治環境下，零售商品銷售行業一直穩步發展。但是，零售商品的銷售容易受到大型突發情況的影響，如自然災害、國內外重大經濟政治事件等都會直接或間接的影響零售商品的銷量或價格。企業如果沒有考慮大型突發事件的影響而繼續按照以往的經驗實施銷售策略，很容易造成銷售虧損，一些小規模企業甚至會面臨破產風險。

目前，國內針對零售商品銷售情況的研究早已起步。早在1986 年何家儒[1]建立了基于齊次銷售方程的商品銷售與市場預測數學模型；2006 年徐軍、房慶祥[2]利用三次增長率模型建立了耐用商品銷售的數學模型；2009 年席瑋[3]利用人工神經網絡方法建立了卷煙銷量預測模型；2012 年徐榮輝[4]利用邏輯斯蒂方程建立了商品銷量預測的基本模型；2018 年黃文明[5]完成基于深度學習的商品銷量預測研究。

以上研究中，多是對商品銷售的預測研究，對于突發情況影響下商品銷售的研究相對較少。本文重點研究突發情況影響下零售商品的銷售情況，為零售商品企業提供長遠的銷售決策依據。

1 基于模糊綜合評價的零售商品銷售抗風險能力評價模型

面對突發情況，不同種類商品的抗風險能力不同。比如，果蔬糧油等生活必需品的銷量降低程度相對較小；而奢侈品這類非生活必須品的銷量降低較快；一些受突發情況影響而成為必需品的商品銷售量則不減反增。為此，本研究基于模糊綜合評價建立零售商品銷售抗風險能力評價模型，評估不同種類商品的抗風險能力，幫助企業進行決策。

本研究利用python 進行數據挖掘，共收集到零售商品銷售數據六十余萬條，共包括十家商店，每家商店選取15 類不同商品。這些數據包括從2019 年至今，商品每月的進項稅總額、銷項稅總額、銷量、同類商品數量等信息，本研究假設該數據能夠全面的反應該段時間零售商品的銷售情況變化。

本研究綜合考慮零售企業實力指標體系，最終選取了商品潛力指數、商品盈利指數、商品發展指數、商品重要指數這四個重要指標。設商品每月銷項稅為T銷進項稅為T進，商品每月銷項稅額和進項稅額的比值為商品月盈利率rmonth，每月銷項稅額和進項稅額之差為商品月利潤pmonth，根據商品的替代品數量ci確定商品重要指數。

表1 指標選取

表2 指標說明

根據指標說明對收集到的數據進行整理，隨后用SPSS 軟件對整理后的數據進行預處理，利用線性插值的方法對數據缺失進行處理。該數據共包括指標4 項，樣本對象150 個，設第j 個的第i 個指標值為uij，對數據進行min-max 標準化處理，得到uij：標準化的目的在于消除量綱，保證數據的有效性。

利用熵權法對選取的四個指標進行權重求解，熵權法能夠客觀的確定評價體系中各指標的權重大小，有效避免主觀因素的影響。

指標的權重表達式為：

表3 評價矩陣表

對模糊綜合評價模型進行求解：

采用模糊神經網絡模型（FNN）對所建立的模型進行模型進度檢驗。模糊神經網絡是一種將樣本進行模糊化處理的過程，并在處理的過程中不斷進行機械學習，最終形成一定規則的形式。[6]

本研究基于MATLAB 軟件，構建了三層前向神經網絡（圖1）。

圖1 神經網絡示意圖

對評價模型得出的數據進行100 次訓練并檢驗得出圖2。

圖2 神經網絡檢驗結果

由上圖可得該模型的精度較高，可以使用。

3 結論

根據本研究建立的零售商品銷售抗風險能力評價模型，將一類商品的各項數據代入其中，便可以計算出該類商品的抗風險能力值。對此，企業可以根據商品不同的抗風險能力來決定商品的產量或進購量；對于一些受影響較大的商品，企業可以考慮暫時不再進購或生產，以保證企業利益的最大化。本研究利用模糊神經網絡對模型精度進行檢驗，確定了模型的精確度，可以用于商品抗風險能力的評估。

企業在進行商品銷售決策時應該綜合考慮突發情況等因素的影響。這樣，廣大企業才能得到長久、持續性的發展，我國的經濟發展才能夠長期穩定增長。