□李 坤

（寧夏工商職業(yè)技術(shù)學(xué)院 寧夏 銀川 750001）

1 模型建立的必要性

馬鈴薯是世界各國人民餐桌上的主要食材之一。在400 多年前，我國開始種植馬鈴薯。馬鈴薯適應(yīng)性極強(qiáng)，是一種具有良好發(fā)展前景的高經(jīng)濟(jì)作物，在世界各地廣泛種植。2015 年，繼稻米、小麥、玉米后，馬鈴薯被我國官方認(rèn)定為第4 種國家戰(zhàn)略安全主糧。馬鈴薯抗寒冷、耐干旱，在相對(duì)貧瘠的土壤里也能生存，比較容易種植。

從儲(chǔ)存條件來說，和綠葉類蔬菜相比，馬鈴薯更加耐于存放，保質(zhì)期更長[1-3]。馬鈴薯對(duì)于儲(chǔ)存條件也有一定的要求，尤其對(duì)溫度和濕度的要求比較高，適宜在溫度較低、干燥密閉的環(huán)境下儲(chǔ)存。如果馬鈴薯保存不當(dāng)，致使產(chǎn)生幼芽，會(huì)增加毒性，不宜食用。在運(yùn)輸?shù)倪^程中，馬鈴薯比較怕顛簸。如果在儲(chǔ)存運(yùn)輸?shù)南嚓P(guān)環(huán)節(jié)處置不當(dāng)，會(huì)造成外觀欠佳、口感不佳等問題，使馬鈴薯的商品性降低。如果農(nóng)產(chǎn)品電商平臺(tái)在倉儲(chǔ)配送等方面做得好，可以降低馬鈴薯物流損耗，提高運(yùn)營效率，降低成本。

國內(nèi)生鮮電商從2012 年開始發(fā)展速度較快[4-5]。通過對(duì)中國知網(wǎng)《中國期刊全文數(shù)據(jù)庫》查詢可知，從2013 年起研究生鮮電商的論文數(shù)量開始大幅上漲。與此同時(shí)，在中國知網(wǎng)檢索欄里輸入Ecommerce of agricultural products（生鮮電商）等英文關(guān)鍵詞，所能查詢到的英文文獻(xiàn)數(shù)目為0。

2021 年艾瑞咨詢公司對(duì)我國生鮮電商行業(yè)進(jìn)行調(diào)研分析發(fā)現(xiàn)，我國生鮮電商市場(chǎng)呈現(xiàn)一片欣欣向榮之勢(shì)，是最近幾年資本追逐的熱點(diǎn)，未來發(fā)展可期。由于政策環(huán)境、經(jīng)濟(jì)環(huán)境等因素的影響，我國電商業(yè)務(wù)發(fā)展還很不充分。據(jù)不完全統(tǒng)計(jì)，我國生鮮電商企業(yè)有4 000 多家，能夠盈利的僅1%，略微虧損的企業(yè)約88%，巨額虧損的企業(yè)約7%。

具體到寧夏馬鈴薯電商平臺(tái)銷售情況，根據(jù)寧夏商務(wù)廳相關(guān)統(tǒng)計(jì)數(shù)據(jù)，2018 年在寧夏各城市中，銀川市、固原市的網(wǎng)絡(luò)銷量最好。在地區(qū)排名中，2018 年寧夏馬鈴薯線上銷售排名前5 的地區(qū)均來自銀川市和固原市，分別是興慶區(qū)、隆德縣、原州區(qū)、賀蘭縣和西吉縣。究其原因，銀川市作為首府城市，消費(fèi)購買力比其他城市強(qiáng)；而固原市是馬鈴薯產(chǎn)量大戶，具有一定的品牌效應(yīng)，因此銀川市和固原市線上采購量比其他地區(qū)更有優(yōu)勢(shì)。

產(chǎn)品的新鮮程度是消費(fèi)者在線購買最為關(guān)心的問題[6-9]。馬鈴薯作為2018 年寧夏農(nóng)產(chǎn)品網(wǎng)絡(luò)零售額前10 的產(chǎn)品，“新鮮”“自種”“現(xiàn)挖”等關(guān)鍵詞最受消費(fèi)者青睞。產(chǎn)品的新鮮程度正成為品質(zhì)生活和綠色健康的主要標(biāo)簽。

從2018 年線上銷售渠道分析，寧夏本地電商平臺(tái)的銷售份額只占市場(chǎng)的11.72%，其余88.28%來自外地生鮮電商平臺(tái)。作為馬鈴薯特色產(chǎn)業(yè)種植大省，寧夏本地馬鈴薯電商銷售平臺(tái)的發(fā)展水平相對(duì)滯后。究其原因，冷鏈物流倉儲(chǔ)配送成本過高是“致命傷”。如何在保證生鮮商品的保鮮程度的同時(shí)降低成本，提高生鮮產(chǎn)品送達(dá)客戶的時(shí)效性，是生鮮電商企業(yè)急需解決的問題。

解決這個(gè)問題的關(guān)鍵在于電商企業(yè)農(nóng)產(chǎn)品訂購量是否科學(xué)合理[10-12]。國內(nèi)外生鮮電商業(yè)務(wù)大多是最近5～10 年開始起步，而且現(xiàn)有研究多偏向于定性、理論性研究，定量、實(shí)證性、技術(shù)性研究相對(duì)不足。

就研究現(xiàn)狀來看，國內(nèi)鮮有針對(duì)生鮮電商行業(yè)產(chǎn)品訂購量波動(dòng)進(jìn)行分析研究。而生鮮產(chǎn)品訂購量預(yù)測(cè)效果的好壞，可以較大程度影響生鮮電商冷鏈庫存、倉儲(chǔ)、配送、運(yùn)輸?shù)任锪鳝h(huán)節(jié)的效率和服務(wù)成本。尤其對(duì)于馬鈴薯等根莖類產(chǎn)品，若訂購量過多，生鮮農(nóng)產(chǎn)品不能及時(shí)銷售出去，會(huì)造成腐壞，產(chǎn)生不必要的成本。若訂購量不足，會(huì)造成庫存緊張，供應(yīng)不及時(shí)，影響生鮮電商的時(shí)效性，從而導(dǎo)致消費(fèi)者滿意度降低和企業(yè)口碑下滑。

因此，建立基于時(shí)間序列理論的生鮮產(chǎn)品波動(dòng)訂購量預(yù)測(cè)顯得十分必要[13-14]。對(duì)生鮮電商平臺(tái)的市場(chǎng)需求進(jìn)行研究分析，在此基礎(chǔ)上建立一個(gè)相對(duì)貼合實(shí)際需求的預(yù)測(cè)模型，依據(jù)模型推演電商企業(yè)的市場(chǎng)訂購量，以此為參考，制定更加合理的物流配送方案，必然會(huì)大幅降低物流成本，提升客戶滿意度，為企業(yè)贏得口碑和市場(chǎng)[15]。

2 預(yù)測(cè)模型的選取

對(duì)時(shí)間序列理論的相關(guān)文獻(xiàn)進(jìn)行收集分析發(fā)現(xiàn)，目前經(jīng)典理論主要有5 種。

第一，指數(shù)平滑法（ES）。指數(shù)平滑法是一種被經(jīng)常使用的預(yù)測(cè)方法，應(yīng)用很廣泛，通常針對(duì)經(jīng)濟(jì)發(fā)展中的中短期經(jīng)濟(jì)指標(biāo)進(jìn)行預(yù)測(cè)。指數(shù)平滑法是在加權(quán)移動(dòng)平均法的基礎(chǔ)上進(jìn)行算法改善，通過對(duì)時(shí)間序列數(shù)據(jù)集上的不同隨機(jī)變量賦予不同的權(quán)重，凸顯對(duì)近期隨機(jī)變量的重視程度，從而可以使預(yù)測(cè)值能夠更加快捷地反映市場(chǎng)實(shí)際變化，而且在權(quán)重賦值上的靈活性也比較高。

第二，移動(dòng)平均法（MA）。移動(dòng)平均法適合短期預(yù)測(cè)。當(dāng)沒有季節(jié)性因素干擾時(shí)，移動(dòng)平均法的應(yīng)用非常有效。應(yīng)用該方法對(duì)時(shí)間序列數(shù)據(jù)集合的要求是不能在短期內(nèi)發(fā)生數(shù)據(jù)快速上升或者下降的波動(dòng)。

第三，回歸預(yù)測(cè)模型（AR）。該模型按照時(shí)間序列數(shù)據(jù)集的變化情況可以分為線性回歸模型和非線性回歸模型。該算法主要通過分析原始數(shù)據(jù)集合中的觀測(cè)值，研究數(shù)據(jù)間的相關(guān)關(guān)系，從而設(shè)定相對(duì)貼切的預(yù)測(cè)模型對(duì)研究對(duì)象的未來情況進(jìn)行預(yù)測(cè)分析，適合中期預(yù)測(cè)。

第四，自回歸滑動(dòng)平均模型（ARMA）。該方法適用變化較平穩(wěn)的短期預(yù)測(cè)，能較好處理非平穩(wěn)數(shù)據(jù)的隨機(jī)干擾因素。

第五，差分自回歸移動(dòng)平均模型（ARIMA）。模型原理是隨時(shí)間推移，將預(yù)測(cè)對(duì)象形成的數(shù)據(jù)序列看作一個(gè)隨機(jī)序列，用數(shù)學(xué)模型來近似描述這個(gè)序列。這個(gè)模型一旦被識(shí)別后，就可以從時(shí)間序列的過去值及現(xiàn)在值來預(yù)測(cè)未來值。

分析以上5 種方法可以發(fā)現(xiàn)，基于傳統(tǒng)統(tǒng)計(jì)學(xué)的預(yù)測(cè)模型相對(duì)更適用于線性平穩(wěn)預(yù)測(cè)，對(duì)需求波動(dòng)大、影響因素復(fù)雜的情況無法進(jìn)行有效預(yù)測(cè)[16-17]。

3 預(yù)測(cè)模型的建立過程

采用寧夏寧谷物配管理有限公司2015 年6 月至2018 年11 月的馬鈴薯采購量數(shù)據(jù)，并以此為原始數(shù)據(jù)集，建立預(yù)測(cè)模型。模型建立過程如下。

第一步，在R 軟件中導(dǎo)入原始數(shù)據(jù)，繪制出時(shí)間序列圖（圖1）。通過對(duì)時(shí)間序列圖的觀察，可以看出馬鈴薯采購量的時(shí)間序列并不平穩(wěn)。對(duì)馬鈴薯訂購量繪制自相關(guān)函數(shù)圖（圖2），可以看到該圖的數(shù)據(jù)自相關(guān)性相對(duì)較強(qiáng)。由此可以判斷，馬鈴薯的采購量根據(jù)時(shí)間具有一定的前后相關(guān)性。隨后對(duì)原始數(shù)據(jù)做一階差分，從其時(shí)間序列圖（圖3）可以看出，差分后數(shù)據(jù)的波動(dòng)性明顯降低。然后對(duì)一階差分后的數(shù)據(jù)進(jìn)行自相關(guān)分析（圖4）。

第二步，模型定階。應(yīng)選取階數(shù)較小的模型。在初步選取之后，篩選出的模型有AR（1）、MA（1）、隨機(jī)游走模型、ARIMA（0，1，1）、ARIMA（0，1，2）、ARIMA（0，1，3）、ARIMA（1，1，3）。

第三步，模型性能檢驗(yàn)判斷。對(duì)于初步篩選出的模型，以殘差序列的方式判斷模型的優(yōu)劣。一個(gè)相對(duì)較好的訂購量預(yù)測(cè)模型，需要滿足3 個(gè)條件。第一，殘差是白噪聲；第二，殘差的樣本自相關(guān)函數(shù)在很小的范圍內(nèi)；第三，標(biāo)準(zhǔn)化殘差序列的Ljung-Box 統(tǒng)計(jì)量的p值充分大。如果出現(xiàn)多個(gè)模型都符合殘差檢驗(yàn)的條件，還需要通過赤池信息量（AIC）進(jìn)行選取，選擇AIC 最小的模型；或者可以通過測(cè)試集預(yù)測(cè)數(shù)值的誤差進(jìn)行比較，選取誤差最小的模型[18-20]。

ARIMA 用于馬鈴薯訂購量的預(yù)測(cè)會(huì)更為貼合。通過相應(yīng)的檢驗(yàn)比較[21]，最終選取ARIMA（0，1，1）模型。選取此模型后，用作后5 個(gè)月的價(jià)格預(yù)測(cè)。

4 結(jié)束語

寧夏寧谷物配管理有限公司地處銀川市，客戶群體數(shù)量巨大，所獲得的數(shù)據(jù)具有極強(qiáng)的地域針對(duì)性。研究成果對(duì)企業(yè)進(jìn)行生鮮產(chǎn)品市場(chǎng)需求波動(dòng)分析具有直接的理論和實(shí)踐意義。