超市上市公司經營指標預測方法有效性及預測研究

牛東來 黃馨萍

[摘 要]超市與居民生活密切相關，近年來競爭不斷加劇。文章以我國超市上市公司經營核心指標作為數據基礎，用SPSS軟件作為統計分析工具，分別運用時間序列、神經網絡和多元線性回歸模型，對2010年至2019年15家超市上市公司的數據進行建模分析。結果顯示，超市主營業務收入和毛利率使用多元線性回歸模型，凈利潤、門店數和人效使用神經網絡模型，資產負債率使用時間序列模型預測數據擬合度較高。最后，利用各指標中預測精度較高的模型，對2020年至2025年的指標進行預測。該結果對零售超市業態的發展及規劃具有一定的研究價值和實際意義。

[關鍵詞]超市;經營指標;預測方法;上市公司;預測

[DOI]10.13939/j.cnki.zgsc.2021.13.105

1 引言

零售行業在我國國民經濟中起著非常重要的作用[1]，是實現國內大循環為主體目標的重要組成部分。近幾年來，由于新零售的產生及資本的不斷進入，使得零售行業、特別是超市面臨著巨大的競爭態勢，從而導致行業的經營和發展遇到很大瓶頸。2020年年初以來的新冠肺炎疫情在促進線上銷售不斷攀升的同時，也對整體超市行業帶來不同程度的打擊。對超市行業未來經營發展趨勢的研究是居民、行業和社會普遍關注的問題。

為了更好地預判超市行業未來的發展趨勢，文章獲取了15家超市上市公司年報的數據資料，利用三種預測模型作為分析工具，對超市核心經營指標進行了預測分析，給出了不同預測模型適于預測的指標，同時對超市行業未來5年的發展進行了預測。

2 數據來源

2.1 搜集樣本數據

文章選擇了中國連鎖經營協會于2020年6月29日發布的2019年中國超市百強名單中的15家上市公司，用2010年至2019年的該15家上市公司的年報作為數據來源，分析和研究上市公司經營情況相關的指標，對超市上市公司的經營狀況指標進行研究和預測。超市上市公司在整個零售行業中具有一定的代表性，用其經營指標進行分析和研究，對今后超市業態和零售行業的發展具有一定的研究價值和理論意義。

2.2 指標選擇

大多數學者在進行零售企業經營狀況分析時會以財務指標作為主要的衡量標準，通過對文獻中出現的財務指標頻次的綜合評判，為了更好地分析零售業上市公司的經營狀況，文章主要從各公司的年報中選擇了六個和經營情況相關的指標如表1所示。

為了對超市業態未來的整體發展趨勢有一個較直觀的預判，將每一年這15家公司的指標數值取平均值，所得到的整體結果如表2所示。

3 理論與方法

3.1 時間序列分析和預測

文章選取的數據是按照時間順序進行排列的時間序列，因此能夠使用SPSS時間序列方法對其進行建模和預測[2]，主要方法包括專家建模器和ARIMA模型。

先使用專家建模器對各指標進行預測，但由于平均零售主營業務收入、門店數、凈利潤和資產負債率的預測精度無法通過精度對照表[3]，其對應的模型不適合問題的研究，所以改用ARIMA模型做進一步的參數設置和研究分析。由最終的擬合結果可得，各指標對應的平穩的R方和R方值都大于0.5，所對應的模型都適合問題的研究，擬合結果均具有統計學意義，可以作為很好的預測模型來進行研究和分析。

3.2 神經網絡分析和預測

SPSS神經網絡是一個非線性的數據建模工具集合，它包含輸入層和輸出層、一個或多個隱藏層。神經元之間的連接賦予相關的權重，訓練算法在迭代過程中不斷地調整這些權重，從而使得預測誤差最小化并給出預測精度。文章使用的是多層感知器（Multilayer Perceptron，MLP）的方法，是一種前饋人工神經網絡模型，其將輸入的多個數據集映射到單一的輸出的數據集上。

在進行分析和預測的過程中，依次把其中一個指標作為因變量輸入，其他剩余指標作為協變量輸入，分區數據集根據個案的相對數量，按照訓練集與測試集比例7：3進行分配，根據各指標分別作為因變量的模型匯總結果可知，所有指標的相對錯誤數值均小于0.1，即正確率在90%以上，說明該模型擬合效果較好，可以作為較科學的方法進行預測。

3.3 多元線性回歸分析和預測

利用該方法對各指標的分析過程中，把其中一個指標依次作為因變量y，其余各指標作為自變量x1，x2，x3，x4，x5進行多元線性回歸建模，使用SPSS軟件進行計算，所有指標的相關系數R、判斷系數R2和調整后的R2都大于0.5，標準估計的誤差較小，但平均門店數、平均人效和平均資產負債率的顯著性大于0.05，可知這三個指標沒有通過系數檢驗，達不到統計學意義上的顯著，由此我們考慮模型中存在多重共線性問題。

為了去除多重共線性的問題，改為“逐步”的回歸方法進行調整[4]，得到各指標最終的所有統計量均具有統計學意義，所以該模型可作為預測模型進行分析。另外，該模型對各指標預測得到的真實值和預測值的誤差率較小，擬合精度較高，可以對預測未來15家超市上市公司的經營情況提供一個比較可靠的參考。

4 三種方法的預測結果對比

通過上述三種模型對15家超市上市公司經營指標的預測，對各指標計算三種模型的均方根誤差和平均相對誤差[5]，經對比得出各指標最適合的預測模型結果是：零售主營業務收入和毛利率使用多元線性回歸模型，凈利潤、門店數和人效使用神經網絡模型，資產負債率使用時間序列模型。

分別使用各個指標中預測精度較高的模型對2020年至2025年各個經營指標進行預測，預測結果如表3所示。

由上表可得，平均零售主營業務收入以3%至4%左右的增長率呈現穩定增長的趨勢;平均門店數在2020年至2022年呈現下降趨勢，在2023年略有回升，在2023至2025年逐年增長;平均人效在2020至2021年有所提升，但是2022年及以后呈現出下降的趨勢;平均毛利率和平均資產負債率分別以1%和2.5%左右的增長率在逐年穩定

上升;平均凈利潤整體而言呈現增長的趨勢，但于2024年有所下降后又呈增長趨勢。

5 結論

文章對我國2010年至2019年15家超市上市公司主要經營指標進行分析，以時間序列、神經網絡和多元線性回歸模型為基礎，對零售主營業務收入、毛利率、凈利潤、門店數、人效和資產負債率六個指標進行建模預測，經過平均相對誤差和均方根誤差的對比分析，得到多元線性回歸模型適合零售主營收入和毛利率的預測，神經網絡模型適合凈利潤、門店數、人效的預測，時間序列適合資產負債率的預測。

從2020年至2025年的預測結果來看，未來零售行業超市業態的發展整體情況較為平穩。在盈利能力方面，主營業務收入和毛利率每年呈緩慢穩定增長趨勢，凈利潤緩慢下降并有所波動，可以通過線上流量和線下體驗相融合的方式尋找新的增量。在企業規模方面，門店數量會由于網上零售和疫情的影響有所下降，整體的規模并不會大幅度減少。在經營效率方面，人均創效能力略有下降，可以通過引進自助設備和數字化手段減少人力提高人效。在償債能力方面，有所增長但較為平穩，應及時應對風險的變動，加強企業內部管控。

參考文獻：

[1]付長鳳.基于回歸算法的超市銷售數據預測研究[J].信息技術與信息化，2020（5）：39-41.

[2]朱建芳，段嘉敏，高亮.煤礦百萬噸死亡率預測方法對比研究[J].華北科技學院學報，2018，15（3）：10-15，20.

[3]覃延.神經網絡模型和多元線性回歸預測腎結石CT值的比較[J].影像研究與醫學應用，2020，4（6）：26-28.

[4]鐘麗燕.基于多元線性回歸分析的在校大學生人數預測[J].經貿實踐，2018（23）：293-294.

[5]阿布力孜·布力布力，張新國.基于灰色線性回歸組合模型的超市商品銷售量預測[J].統計與決策，2014（7）：69-71.

[作者簡介]黃馨萍（1995—），女，漢族，安徽合肥人，碩士研究生，研究方向：電子商務與供應鏈一體化。