李 杰，王玉霞，赵旭东

（河北工业大学 经济管理学院，天津 300401）

0 引言

目前，许多销量预测研究是用历史销量来预测未来销量，主要考虑销量本身历史数据的影响，较少考虑不同因素之间的相互影响。李俊等（2012）[1]将GM（1,1）模型、非线性三次指数平滑预测模型和二次回归预测模型相结合组成了组合预测模型，依据某企业前10个月的销量，预测后两个月的销量。Singh等（2014）[2]将人工神经网络和模糊时间序列相结合，确定历史时间序列的间隔期，将不同间隔期的时间序列分为不同组进行预测。Li等（2015）[3]建立了动态自适应的BP神经网络学习算法来预测四川省消费产品的总销售额，提高了预测的准确度。Chen等（2017）[4]基于径向基函数神经网络提出了一种进化算法，并利用该算法对电脑的销量进行预测。尽管也有销量预测研究考虑到了产品销售的影响因素，但在进行销量预测之前，并未对影响因素进行筛选，导致许多无关变量加入销量预测模型，降低了模型的准确度。王大溪等（2015）[5]通过问卷调查方法，找到了可能影响孔塞销售的主要影响因素，把所有可能的影响因素都带入了基于混沌果蝇支持向量机回归的产品销量预测模型中，导致模型的预测精度较低。

为此，本文提出一种基于Granger因果检验和XGBoost算法的电商企业商品销量预测方法。首先对Granger因果检验和XGBoost算法的基本原理进行了介绍，而后给出了销量预测算法的具体实现步骤，最后通过对2014年10月27日至2015年2月27日某电商企业一种生活用品的销量及其影响因素历史数据进行建模和预测，验证了该方法的有效性。……