论文部分内容阅读
随着电子商务的不断发展,电商企业商品的种类和销售量正在迅速增加。电商企业商品销量波动性大,影响因素众多,增加了销量预测的难度,传统的销量预测方法不适用于电商企业商品的销售特征。因此,急需找出一种合适的销量预测方法,提高电商企业商品销量预测的准确率,减少企业的库存成本和缺货成本。本文以电商企业商品销量预测为主要研究内容。在分析现有商品销量预测研究方向和商品常用销量预测方法的基础上,针对电商企业销量预测问题特征,提出一种基于XGBoost算法的销量预测模型,并利用阿里巴巴集团菜鸟网络的真实商品销量数据对所提模型进行有效验证。其主要内容包括以下几个方面:首先,对现有销量预测的研究方向和预测方法进行归纳总结。发现基于历史销量和影响因素两者的商品销量预测研究能够提高销量预测的准确率,且该方面的研究较少,急需开展此方面的研究。集成算法具有较高的预测准确率和稳定性,擅长处理较复杂的销量预测情况,实际应用价值较高。然后,分析电商企业销量预测问题特征,发现商品销量存在波动性大、影响因素众多以及不同商品销量变化不同的特点,进而阐述处理电商企业商品销量预测问题的Granger思想、滑窗采样的特征处理方法和XGBoost算法进行销量预测的优势。构建基于XGBoost算法的电商企业商品销量预测模型,并对该销量预测模型的建模步骤进行详细描述。最后,使用阿里巴巴集团菜鸟网络的真实商品销量数据对模型进行测试。将基于XGBoost算法的销量预测模型和其它销量预测方法进行比较,通过结果对比和t检验验证所提模型的有效性和稳定性。测试结果表明,Granger因果关系检验进行特征选择的效果优于Pearson相关分析方法,基于XGBoost算法的电商企业商品销量预测模型相比于其它预测方法具有更高的预测准确率和稳定性。