大数据背景下跨境电子商务市场时间序列预测系统开发

朱洪涛　陈雁南　李琴

摘要：“大数据”时代的来临，正以各种方式和路径影响着企业的商业生态。为新型的前端跨境电子商务创业企业和后端物流供应链公司提供参考已成为当务之急。本文通过Lotka-Volterra研究跨境电商企业市场波动性及竞争力关系，并建立跨境电子商务平台市场竞争力评价指标体系，简要分析影响跨境电子商务企业市场竞争力的影响因素，进而开发跨境电子商务平台市场预测系统，为各跨境电商企业提供精准的市场战略导向。最后，针对跨境电子商务大量的小微企业的实际需要，以降低系统开发成本为目标，进行基于微信公众平台的服务系统设计，来推广该预测系统。

关键词：大数据；跨境电子商务市场 ；时间序列；预测系统

中图分类号：F724.6 文献识别码：A 文章编号：1001-828X（2017）010-0-02

一、引言

“大数据”时代的来临，正以各种方式和路径影响着企业的商业生态。近年来，互联网的信息流通性加速了商品的国际流动性，在“互联网+外贸”的模式下，催生了蓬勃兴起的跨境电子商务行业。第三方机构iiMedia （艾媒咨询）发布的《2016-2017中国跨境电商市场研究报告》显示， 2015年中国跨境电商交易额已占进出口总额比重达19.5%，2016年中国跨境电商交易规模达到6.3万亿元，海淘用户规模达到4100万人次。因此，分析跨境电商企业业绩波动性、巨头跨境电商企业市场竞争关系，通过构建跨境电商市场竞争力指标体系以及利用时间序列进行市场预测系统开发，对完善跨境购物电子商务平台提出建议，稳定跨境电子商务市场秩序，特别地，为新型的前端跨境电子商务创业企业和后端物流供应链公司提供参考已成为当务之急。

为实现以上目的，首先，本文将以跨境电商企业大样本销售数据为研究对象，应用Lotka-Volterra等理论模型，分析跨境电商企业销售额波动性和市场动态竞争关系，并简要分析影响跨境电子商务竞争力的影响因素。随后，本文将着重利用移动平均法、指数平滑法、ARIMA模型及BP神经网络预测模型的预测原理与特点，开发跨境电子商务平台市场预测系统，为各跨境电商企业提供精准的市场战略导向。最后，针对跨境电子商务大量的小微企业的实际需要，以降低系统开发成本为目标，进行基于微信公众平台的服务系统设计，来推广该预测系统。

二、Lotka-Volterra模型实证结果分析

（一）数据选择

本文选取亚马逊、阿里巴巴和苏宁易购三家电商2012第二季度至2015年第二季度间的季度销售额为对象进行研究，数据来自艾瑞咨询网站。选取以上三家作为研究对象的原因在于：（1）阿里巴巴、苏宁的市场份额在中国网上零售B2C市场中处于领先地位，远超其他电商，作为对比，亚马逊是美国乃至全世界电子商务领域中的标杆企业；（2）阿里巴巴的上市给中国乃至全球各大电商敲响了警钟，但不乏苏宁易购这样的中国电商领跑者和亚马逊等国外竞争者，未来中国电商行业将呈现怎样的格局仍不得而知。在分析之前首先对时间序列进行季节调整，剔除其中的季节变动要素。本文在Eviews 8.0中利用X12季节调整加法模型对数据进行了季节调整。

（二）估计结果

根据本文提出的Grey tripartite Lotka-Volterra方法，利用季节调整后的数据，分别对亚马逊、阿里巴巴和苏宁易购销售额Grey tripartite Lotka-Volterra模型的参数进行估计，结果如表1所示。通过比较模型中的相互作用参数γij，可以初步判断三家电商两两间的竞争关系。其中，γ12、γ32均为负值，说明阿里巴巴对苏宁易购、亚马逊的经营存在竞争关系；相反地，γ31、γ23均大于零，表明苏宁易购、亚马逊的经营状况有利于阿里巴巴的生存。

（三）亞马逊、阿里巴巴和苏宁易购的竞争关系分析

首先，由表1可知γ12、γ32均为负数，说明阿里巴巴对苏宁易购、亚马逊有捕食作用，其销售量的增加会削弱其他两家电商的业绩；相反地，γ21、γ23均大于零，表明苏宁易购、亚马逊的经营状况有利于阿里巴巴的生存，即苏宁易购与亚马逊的存在没有阻碍阿里巴巴的发展。从数值上看，阿里巴巴对另外两家电商的竞争作用绝对值大于这两家对它的帮助。总之，目前阿里巴巴的存在对其他电商生存有竞争关系，而苏宁易购、亚马逊的经营反而有利于阿里巴巴的生存。其次，根据三家电商自然增长率αi为正数可得知说明阿里巴巴和苏宁易购的销售额增长率在2012～2015年处于占优状态。最后，根据限制性参数βi可以看出，只有阿里巴巴的销售额增长带来了自身抑制作用。阿里巴巴需要进行政策调整，将实际增长率控制在合理范围内。

（四）均衡点及其稳定性分析

根据阿里巴巴、苏宁易购、亚马逊三家电商销售额的8个均衡点及各个均衡点对应的Jacobian Matrix特征值。根据当且仅当雅可比矩阵负定时均衡点稳定的条件可以判断，只有点E123对应矩阵的特征值全为负，即三家电商的季度销售额将分别在21113、2357和970亿元处达到稳定。尽管目前阿里巴巴的存在对另外两家电商表现出竞争的趋势，但随着市场结构的调整及其他电商的经营改革，最终三者会达到共生共存的状态。

（五）跨境电商企业竞争力关键因素分析

由上述分析结果并结合国内电子商务的运作方向和环境，本文认为电商企业想要在竞争激烈的EC市场中争得一席之地则需要做到以下几点：

首先，电商应该有自主创造经营的产品品牌，兼销售第三方标准化的产品。自足经营品牌相当于增加了价值链的附加值，而销售第三方标准化的产品缩短了流通环节，从而降低了价值链过程中的运营成本。

其次，能够长时间保持“价格优势”是电商销售量增长的原因。如今，互联网的透明性和消费者转移的低成本决定了价格仍然是决定电商经营状况的重要因素。但保持低价的同时，产品质量仍然是企业需要严加把控的关卡。

同时，要积极开展网络营销活动，特别是对新型电商企业而言尤为重要。首先要宣传自己的销售平台，利用互联网和传统媒体加以推广。

最后，技术创新是电商保持永久生命力的重中之重。从总体市场规模来看，中国电子商务尚处于起步阶段，未来发展需要靠持续创新来维系。

三、基于时间序列的跨境电子商务市场预测系统开发

本系统的软件开发环境包括Windows7及以上版本操作系统；Microsoft Excel2003及以上、Visual C++、MATLAB8.1及以上版本。根据以上对四种时间序列预测方法的分析与总结，首先本文选取预测精度相对较高的ARIMA模型预测法与BP神经网络预测法进行系统开发。其次将系统分为数据处理模块、ARIMA预测模型处理模块、神经网络预测模块和系统帮助模块四大模块。

1.数据处理模块，该模块主要以数据文件的建立、打开与保存为主；其次本系统采用拉格朗日插值函数对数据进行插值处理，最后该模块还可以进行数据的图形绘制，以便初步观察统计数据的趋势走向。

2.ARIMA模型预测模块，该模块的设计与实现是本系统的难点之一。要用到MATLAB软件，其主要功能是对原始序列进行差分、零均值处理，相关性分析，用户利用分析结果界定模型中的阶数，系统获得阶数后利用相关的算法进行参数估计，确定初始模型。然后检验模型，通过检验后即可进行预测。其预测逻辑如图1所示。

3.神经网络预测模块。该模块的设计与实现是本系统的难点之二。其主要功能是按照BP神经网络预测的基本步骤即数据归一化处理-依据改进的BP算法训练神经网络-确定输入层、隐层节点和最大训练次数建立预测模型-预测并输出结果，完成对时间序列的预测。

4.系统帮助模块。考虑到时间序列预测的专业性难度，本文针对非专业使用者设計了帮助文件。在此模块中将对各种方法的特点、适用情况以及使用方法给出简单介绍，从而帮助使用者针对性地选择不同的预测方法，并能够正确的按步骤使用所选的方法进行预测。

最后，完成了预测系统的开发，如何推广使广大跨境电子商务企业方便快捷地享受该系统服务，也是本文要考虑的一个问题。首先本文根据当前人们大多倾向于通过移动互联网进行交流与获取信息的现状，针对跨境电子商务大量的小微企业的实际需要，以降低系统开发成本为目标，进行基于微信公众平台的服务系统设计，来推广该预测系统。

四、结语

本文以跨境电商企业大样本销售数据为研究对象，应用Lotka-Volterra等理论模型，分析跨境电商企业销售额波动性和市场动态竞争关系，其次建立跨境电子商务平台市场竞争力评价指标体系，简要分析影响跨境电子商务企业市场竞争力的影响因素。同时，本文着重利用移动平均法、指数平滑法、ARIMA模型及BP神经网络预测模型的预测原理与特点，开发跨境电子商务平台市场预测系统，该系统试图采取完全对象化的方式，只要求使用人员时间序列预测方法有大概的了解，从而在很大程度上扩大了系统的使用对象，提高了系统的适用性。为各跨境电商企业提供精准的市场战略导向。

参考文献：

[1]Lotka，Alfred J.，Elements of physical biology[M]，1925.

[2]吴昊远.近年来国内电商之间的博弈分析[J].东方企业文，2014（15）：162-165.

[3]徐越.网络生态视角下电子商务业态发展研究[D].吉林大学，2014.

[4]梁强强.中国 B2C电子商务企业的发展路径研究[J].中国电子商务，2014（12）： 37-37.

[5]王砚羽，谢伟.电子商务模式模仿者与创新者竞争动态研究——当当网和亚马逊中国竞争演变分析[J].科学学与科学技术管理，2013（6）：44-51.

作者简介：朱洪涛，硕士研究生，主要从事计量经济学理论与应用研究。

陈雁南，硕士研究生，主要从事计量经济学理论与应用研究。

李 琴，硕士研究生，主要从事计量经济学理论与应用研究。

基金项目：浙江省新苗人才计划（2016R414049）。