宋宪捷　周建军　鹿士凯　刘凤坤

摘要： 科学、准确地预测服装销售量，对服装企业研发、生产、配送、销售等流程起到至关重要的作用。为此，文章采用贝叶斯一元回归方法，借助贝叶斯极大似然估计的优势，并结合时间序列移动平均法构建了服装销售量预测模型。该模型首先引入客流量的概念，以此作为服装销售预测的中间转化量，采用时间序列的移动平均法构建季节因子，屏蔽季节影响因素，用以预测客流量；然后依据客流量预测值通过贝叶斯一元回归方法预测服装销售量；最后利用案例验证了贝叶斯回归服装销售量预测的有效性和准确性。

关键词： 服装；销售预测；时间序列；贝叶斯回归；客流量

中图分类号： TS941.1文献标志码： A文章编号： 10017003（2018）04004405引用页码： 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、准确的销售预测可以节省可观的人力、财力，避免断货，减少库存，减少资金占用，为企业经营决策提供有力的支持[1]。因此，服装销售的预测对企业的设计、生产、物流、销售等起到举足轻重的作用。服装销售很大程度上会受到天气、地域、人为等因素的影响，呈现出季节性、周期性、趋势性和随机性[2]，情况较为复杂和特殊，且主观性较强。

目前所建立的销售模型包括时间序列的马尔科夫链模型、人工神经网络模型、决策树等其他模型[35]。池可等[6]对多种服装销售预测方法进行了定量比较，结果显示：移动平均法和指数平滑法在基本固定型的服装销售中预测精度较好；季节指数法较适用流行趋势型，多元回归法较适用于季节因果型服装销售，一元回归法较适用于流行趋势型。相比之下，基于贝叶斯原理的回归模型在预测过程中不仅利用了前期的数据信息，还加入了决策者的经验和判断等信息，并将客观因素和主观因素结合起来，对异常情况的发生具有较多的灵活性[7]。

结合以上研究，本文提出基于客流量的贝叶斯回归法预测服装销售。首先，引入客流量为中间转换量，应用时间序列移动平均法对客流量进行预测，然后以客流量预测值作为依据，采用贝叶斯回归方法预测销售量，得到最大概率的区间范围，最后用区间中位数来作为最终的预测值。

1基于客流量的贝叶斯回归服装销售

预测方法的构建1.1服装销售影响因素

服装，一种具有季节性和趋势性等特性的产品，其销售量受到诸多复杂因素的影响，除包括季节等客观影响因素之外，还包括消费者的购买观念等主观影响因素。因此，对于服装销售量的预测既需要感性也需要理性。由于贝叶斯一元回归法需要选取观测值，因此本文引入客流量作为预测的中间转换量。客流量，作为经营转化最基本的指标[8]，是影响服装销售量的直接原因。天气、促销、季节、地域、产品等因素是影响服装销售的主要原因。本文给出服装销售影响因素的关系图，如图1所示。由于时间序列作为经典的预测模型，因此客流量的预测引用此方法。

1.2基于客流量的贝叶斯回归的服装销售预测

流程基于服装销售的主要影响因素，本文将时间序列和贝叶斯回归两种方法有效结合，提出了一种更完善的服装销售预测模型，该模型能够对服装销售复杂特征进行最大程度的有效分析。如图2所示为服装销售预测流程图。

具体操作如下：

1）收集近三年各季节的客流量数据；

2）确定季节因子：每一季度的季节因子等于本月的客流量除以上下相邻客流量的移动平均值；

3）利用季节因子修正各季度的客流量值，并建立时间与客流量之间的时间序列回归方程；

4）利用回归方程和季节因子，预测下个季度的客流量预测值；

5）建立貝叶斯回归模型；

6）根据近年的各季度的客流量和销售量数据，确定似然函数，求出极大似然估计量；

7）根据4）得到的客流量预测值，利用贝叶斯回归的区间预测公式和可信概率求得销售值的预测区间，并取中间值作为销售预测最终值。

3结语

本文通过客流量作为中间转化量，相继运用时间序列和贝叶斯回归方法，进而对服装销售量进行预测。贝叶斯回归预测充分利用了以往数据提供的信息，提高了预测值的合理性和精确性，并且还给出了预测值最可能出现的分布区间，增加了预测结果的可信度，最后通过评价预测精度公式分析可知，该预测方法具有较高的科学性。总之，本文所提方法可在其适用范围或个性化服装企业预测销售时根据实际情况对其进行修正，以期达到更高的预测精度。

参考文献：

[1]凤德伟，张忠能，凌君逸.基于神经网络的短期销售预测[J].计算机工程，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]万艳敏，陈胜，戴淑娇.基于时间序列和PERT的服装销售预测方法研究[J].丝绸，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.基于时间序列马尔可夫链的服装销售预测[J].丝绸，2009（11）：3234.

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

[4]罗戎蕾，刘绍华，苏晨.基于遗传算法的BP神经网络服装销售预测方法[J].北京邮电大学学报，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，杨以雄，史晓云.服装品牌产品销售预测[J].东华大学学报（自然科学版），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，陈雁.基于对象信息的服装销售预测方法选择[J].纺织学报，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]陈镇坤，刘金山.基于MCMC的贝叶斯时间序列CPI预测模型[J].统计与决策，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.从客流量看两商场的经营态势[J].中国统计，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.贝叶斯统计学：原理、模型及应用[M].北京：中国统计出版社，1992：127132.

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

[10]杨以雄.服装市场营销[M].上海：东华大学出版社，2007：151154.

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

[11]王玉荣.商务预测方法[M].北京：对外经济贸易大学出版社，2003：1112.

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