推盘策略销售模型

2024-05-02

推盘策略销售模型（精选7篇）

篇1：推盘策略销售模型

关键词：电子标签,决策支持,关联算法,Apriori算法,物联网

现代社会私家车变得越来越普通,然而汽车的服务技术还处于起步阶段,特别是对汽车的维修还处于“望闻问切”的阶段,汽车潜在问题的研究还没有明显的进步。

数据挖掘技术成为辅助人们决策的重要技术。通过对汽车零件产品的购买数据进行分析,从而获得产品的一些潜在价值,对产品质量和品质具有很强的针对性。这也是提高产品质量中发现问题产品最有利的证明[1]。在整个的过程中RFID技术是不可缺的一部分,在产品追踪、防伪标识中起到了很大的作用,这是RFID技术的性质所决定的[2]。

在整个社会中汽车及其附属品的消费产生的数据是巨大的,所以对这些海量数据进行数据挖掘的尤为重要。关联算法是在交易数据、关系数据或其他信息载体中,查找存在于集合或对象集合之间的频繁模式、关联、相关性或因果结构。本文在RFID基础上用关联算法对产品销售数据进行分析,从而对汽车零件产品进行销售调整和提供汽车保养建议。

1 汽车零件销售策略

汽车零件销售策略模型的主要特点在于用已知的产品损坏情况对未知的(待发生)的问题进行预测,帮助客户真正消除汽车潜在的问题。同时,在销售信息的基础上对易损坏及其易受影响商品进行产品销售调整。比如,产品绑定销售优惠活动。很多人在购买汽车零件时总会认为其他未损坏的零件仍可使用,这就给安全带来了隐患。但如果在优惠的条件下把那些损耗大的零件也进行更换,客户满意的同时,也解决了存在的隐患。这样更加科学化、人性化地解决客户隐患和满足客户所需。

2 模型的支持技术

2.1 RFID技术

电子标签技术(Radio Frequency Identification,RFID)是利用无线射频方式进行非接触双向通信,以达到识别的目的并交换数据,可识别高速运动物体并可同时识别多个目标。其优点有:体积小型化和形状多样化、抗污染能力和耐久性、可重复使用、穿透性和无屏障阅读、数据的记忆容量大、安全性。[3,4]

体积小型化和形状多样化使得RFID标签能够适应于多样性的表面,数据的记忆容量大、抗污染能力和耐久性保证了RFID在不同环境下长时间有效,对产品的跟踪和追溯提供了技术,安全性,RFID承载的电子式信息,其数据内容可有密码加密保护,使其内容不易被伪造和更改,保证产品的质量、和产品来源。[5]

下图是实验所用RFID阅读器及RFID标签:

2.2 Apriori算法

2.2.1算法背景

Apriori算法是R.Agrawal和R.Srikant于1994年提出的为布尔关联规则挖掘频繁项集的原创性质算法[6]。

Apriori使用一种称作逐层搜索的迭代方法,k项集用于探索(k+1)项集。首先,通过扫描数据库,累积每个项的计数,并收集满足最小支持度的项,找出频繁1项集的集合。该集合记作L1。然后L1用于找频繁2项集的集合L2,L2用于找L3,如此下去,直到不能在找到频繁项集k项集。找每个Lk需要一次数据库全扫描。[7,8]

Apriori算法的具体步骤:

1从源文件读取数据:read File(infile,"in.txt",vs_word);

2计算所有词语的出现频率:MAP_STR_INTword_count;

count Word(&vs_word, word_count);

3 生成单个词语的频繁项集合: VEC_ITEM level1Set;

generate Level1Set(&word_count, level1Set);

4 生成具有两个词语的频繁项集合:VEC_MULTIITEM level2, level2Set;

generate Level2(&level1Set,level2);

count Support(&vs_word,level2);

generate Frequent Set(&level2, level2Set);

5 生成具有三个词语的频繁项集合:VEC_MULTIITEM level3Set;

generate High Level Set(&level2Set,level3Set,vs_word);

6输出单个词的频繁项到文件:ofstream outfile;

循环产生高层的频繁项集合并输出到文件:cyc Generator(&level2Set, vs_word, outfile)。

3 设计的框架及流程

3.1汽车零件销售策略模型

图3为模型流程,对每部分的解释如下:

⑴对每一个产品分配独立且唯一的RFID标签,在客户选择购买同时,利用RFID读卡器读取标签内容,根据以往客户购买历史,在数据仓库进行匹配,利用数据挖掘等核心算法返回一系列信息。同时客户通过RFID的唯一标识,对产品的详细信息进行查询。如:产品的生产日期、产品的强度、正常使用情况下的使用时间、保养建议、产品运输路径等。通过这些详细信息以展示产品的高质量、高品质等。提高客户对产品的信任感,让用户可以安心购买。

⑵在客户购买产品之后,始终对客户提供产品保养建议

(1)有利于提高公司附属产品的销量。

(2)厂商始终保持对产品的关注,有利于改进产品并提高客户对公司的信任感。

(3)零售部门可以对产品营销策略及时做出调整,对经常被联合购买的保养产品或其他的产品进行捆绑打折,或其他的优惠策略。

⑶产品厂商对购买数据进行分析,对汽车的零件以及车身的整体布局进行改造。

⑷零售店及其相应的服务商,把购买数据及产品损坏数据上传到厂商总部,以便厂商对用于决策的数据仓库进行更新。提供更合理的数据。

3.2模型案例分析

3.3对某购买数据进行分析

以下是购买的18条数据记录:

(1)转向机节气门体变速换档操纵杆制动分泵压缩机火花塞制动液

(2)转向机节气门体变速换档操纵杆化工护理冷却液安全带

(3)前照灯防雾灯安全带制动液化工护理冷却液仪表台板

(4)制动液化工护理冷却液仪表台板热风枪制动液润滑油

(5)探照灯变速换档操纵杆化工护理冷却液安全带

(6)变速换档操纵杆化工护理冷却液安全带

(7)变速换档操纵杆制动分泵压缩机火花塞制动液

(8)窗帘防雾灯安全带制动液化工护理冷却液

(9)安全带安全气囊仪表台板维修设备钣金设备净化系统

(10)拆胎机校正仪电动工具电冲剪热风枪电动千斤顶电动扳手

⑪安全带摄像头汽车内饰汽车地毯方向盘套方向盘助力球窗帘

⑫汽车外饰轮轱盖车身彩条贴纸牌照架晴雨挡车载MP3 GPS导航

⑬变速换档操纵杆制动分泵压缩机火花塞制动液

⑭窗帘防雾灯安全带制动液化工护理冷却液

⑮安全带安全气囊仪表台板维修设备钣金设备净化系统

⑯拆胎机校正仪电动工具电冲剪热风枪电动千斤顶电动扳手

⑰安全带摄像头汽车内饰汽车地毯方向盘套方向盘助力球窗帘

⑱汽车外饰轮轱盖车身彩条贴纸牌照架晴雨挡车载MP3 GPS导航

对18条数据进行分析后的结果如下:

安全带:10

变速换档操纵杆:6

化工护理冷却液:6

制动液:8

安全带&化工护理冷却液: 6

可知,安全带被购买10次;变速换挡操纵杆被购买6次;化工护理冷却液被购买6次;制动液被购买8次;安全带和化工护理冷却液同时被购买6次。

商家对销售策略进行调整之后,在购买商品时客户得到以下购买建议和汽车保养建议。

4 总结

本文设计了基于RFID的汽车零件销售策略支持模型,通过RFID技术保障了产品在销售过程中的可追溯,让客户在购买产品时更加放心,也提高了产品的品质。通过关联分析的结果,支持营销策略,大大提高了企业效益,也为顾客排除潜在故障,消除潜在的危险。同时给生产商提供生产数据和产品质量问题,不断提高产品质量。通过这样的方式不但解决了产品生产过剩的问题,也提高了资源的利用率,更加合理的规划和利用自然资源,发现潜在故障和排除潜在危险。

参考文献

[1]金伟健,金文进.一个基于关联规则的商品推荐系统模型[J].信息与电脑(理论版),2010(2):174-176

[2]顿海强,赵文,邓鹏鹏,等.一种基于RFID数据集的物品工作流挖掘方法[J].电子学报,2008(S1):86-93.

[3]许毅,陈建军.RFID原理与应用.北京:清华大学出版社,2013.

[4]李明,姜燕.基于RFID远距离智能停车场系统的设计[J].电脑知识与技术,2009,5(24):6849-6850.

[5]刘耀宗,张宏,孟锦,等.面向RFID数据流冰川查询的世系追踪模型[J].计算机科学,2011(S1):161-164.

[6]王运峰,张蕾,韩纪富,等.数据库中关联规则的并行挖掘算法[J].计算机工程与应用,2001(16):99-100.

[7]陶维成.关联规则在营销决策支持系统中的应用[J].芜湖职业技术学院学报,2011(3):24-27.

篇2：推盘策略销售模型

[关键词]系统聚类；销售策略；分销商

一、前言

分销商用自己的资金买进产品，并承担能否从销售中得到足够盈利的全部风险。分销商的利润来源主要是靠销售产品，在享受全部利润的同时也承担着全部的风险。因此，对于分销商来说，挖掘出影响各个销售途径、各个销售区域的销售额的主要商品类别，并据此制定适宜的经营销售策略，是至关重要的。

二、研究思路

为了挖掘出影响各个销售途径、各个销售区域的销售额的主要商品类别，最终为批发销售商提供智慧的经营销售策略，我们在获取了两种不同销售途径和三种不同销售区域下的六类商品的销售额数据的基础上做了三步研究。

第一步，通过数据预处理判定某一商品对某一销售途径或区域的影响。为了量化影响，需要从该商品在此途径或区域的销售额均值进行分析，单个商品均值高的，对整个销售途径或区域的销售总额影响较大；其次，方差代表销售额的不确定性，也造成了一定影响。故，我们使用标准差系数来表示某个商品的影响，标准差系数越大，其均值的代表性越小，对整个销售途径或区域的销售总额影响也越小。

第二步，通过建立系统聚类分析模型，区分出主要影响商品这一类。由于需要分类，且分类情况未知，所以可以进行聚类分析。利用各个销售途径或区域六类商品的销售额标准差系数进行系统聚类，聚成3类，聚类中心最小的那一类为均值影响代表性最好的那一类。

第三步，为批发销售商提供智慧的经营销售策略。这个策略主要是，指出在某一销售途径和销售区域组合中，影响销售额最大的商品类别。

三、研究过程

（一）数据预处理

标准差系数越大，说明数据的离散程度大，其平均数的代表性就差；反之，标准差系数小，说明其均值代表性强。

通过运用统计软件对原始数据进行统计描述，并加工整理，得表1：

（二）系统聚类模型

1.建模思路

此模型用于区分出，对整个销售途径或区域的销售总额有较大影响的那一类商品。首先，对各个销售途径或区域的销售数据进行统计描述，得出各个商品的销售额均值和方差；其次，对所得数据进行处理，得到各个商品在各个销售途径或区域的销售额标准差系数；最后，利用系统聚类得到对整个销售途径或区域的销售总额有较大影响的那一类商品，并提出智慧的经营销售策略。

2.模型结果

（1）对途径一的六类商品进行系统聚类的结果

分别利用途径一各类商品的标准差系数进行聚类，采用组间连接聚类方法，并采用平方Euclidean距离的度量标准，得到最優聚类分3类，系统聚类结果如下：

（2）六类商品进行系统聚类的结果

采用与途径一相同的聚类方法，分别对途径二、区域一、区域二和区域三中各类商品的标准差系数进行聚类，其聚类结果如表3-6：

（三）结果分析

由聚类结果可以得到对整个销售途径或区域的销售总额有较大影响的那一类商品，结果汇总表如表7-8：

由上表可知，分销商来说，影响途径一的主要商品类别为：保鲜品、杂货商品，其中；影响途径二的主要商品类别为：杂货商品；影响区域一的主要商品类别有四个，分别为：保鲜品、乳制品、冷冻开支、熟食产品；影响区域二的主要商品类别也是四个：保鲜品、乳制品、杂货商品、熟食商品；影响区域三的主要商品类别为：保鲜品、杂货商品。

四、研究结论

对销售商来说，销售商品的方法就是途径与区域相结合的。因此，在制定经营销售策略时，主要定向分析某一区域某一商品的销售，根据表8来定性确定。具体为：在区域一中，采用途径一时，主要销售保鲜品，采用途径二时，这六种商品则没有什么差别，可以酌情均匀销售；在区域二中，采用途径一销售商品时，主要销售保鲜品、杂货商品，采用途径二销售商品时，主要销售杂货商品；在区域三中，采用途径一销售商品时，主要销售的是保鲜品，杂货商品，而采用途径二销售商品时，主要考虑杂货商品。综合以上各区域采用不同的销售途径销售商品时，销售的侧重点不同，企业酌情搭配其他产品便是相对优秀的经营销售策略。

参考文献

[1]何晓群.多元统计分析[M].北京：中国人民大学出版社，2008.

[2]杨桂元，黄己立.数学建模[M].安徽：中国科学技术大学出版社，2008.

[3]李柏年，吴礼斌等.MATLAB数据分析方法[M].北京：机械工业出版社，2001.

作者简介

篇3：推盘策略销售模型

随着网络技术的迅速发展和管理信息系统的广泛应用, 许多图书销售企业相继建立了自己的网站和企业管理信息系统。然而, 传统的数据分析手段难以有效地理解并使用图书销售企业面对“堆积如山”的数据, 因此造成大量数据资源的浪费。同时, 现行的信息系统大部分是查询驱动的, 虽然数据库作为历史知识库对于一般的查询过程是有效的, 但是只能获得这些数据的表层信息, 却很难对数据进行深层次的处理。这样, 滞后的数据分析方法与海量数据的生成之间形成了鲜明的对照, 这需要使用数据挖掘 (Data Mining) 技术来智能快速地分析海量的原始数据。

2 多策略数据挖掘技术的提出

不同的数据挖掘方法都有自身的功能特点以及应用领域, 数据挖掘模型的选择将影响最后结果的质量和效果, 本文将多种模型结合使用, 形成优势互补, 这就是本文提出的多策略数据挖掘。

所谓多策略就是运用多种挖掘方法, 包括数据挖掘中的多种方法和分析技术, 在宏观与微观上多侧面、多角度、多层次地对图书销售相关的当前和历史数据进行综合评价, 分析结果能够传其中隐含的信息, 使得企业的销售管理从中受益。

3 挖掘数据源设计

一方面将图书销售业务相关的数据库抽取、消除噪声、补充必须的不完整数据;另一方面, 针对不同主题的特定应用, 规划建设新的图书销售挖掘库。在基础数据库进入数据挖掘库之前必须经过抽取、转换、装载等处理操作, 根据挖掘库的设计要求重新组织和加工, 并使数据从适应业务系统的数据模式转换为适应挖掘库的数据模式, 然后才加载到图书销售挖掘数据库。为数据挖掘的内核算法提供干净、准确和更有针对性的数据, 从减少算法的数据处理量, 提高挖掘效率, 提高知识发现的起点和知识的准确度。

4 创建多策略挖掘模型

创建贝叶斯挖掘模型 (CustomerLevels) 预测新会员日后最有可能达到的级别, 从而帮助图书销售企业管理层制定更为有效的会员策略。选择Customer表作为事例表, 指定表中ID列作为键列, Gender、Age、Degree和Area作为输入列, Levels和DayConsume作为可预测列。将Age和DayConsume进行离散化。

创建决策树算法的挖掘模型 (CustomerConsume) 来分析会员的消费水平最有可能处在哪个区间。DayConsume列按照3个区间进行离散化之后, 使用决策树算法来分析会员的消费水平最有可能处在哪个区间。这里要将DayConsume列作为可预测列, 而忽略原有的Levels列。建立好模型之后, 可以看到如图1所示的决策树和依赖关系网络。

创建聚类分析算法的挖掘模型 (CustomerType) , 对会员的学历、年龄等个人信息进行聚类分析, 来对会员进行自动分类。对于较大的训练数据集合较多的输入属性, 无指导的聚类分析结果往往很难理解。为了使生成的聚类更具商业价值, 可以忽略模型中的Gender和Area列, 即在分析过程中不考虑会员的性别和所在地区。建立模型后, 可以看到聚类模型的分类关系和分类剖面如图2所示。

在分类关系图中, 连接线的深度表示聚类之间关系的密切程度。而通过分类剖面图中输入和输出属性的详细对应关系和计数信息, 我们可对聚类结果作出如下的大致判断:

★分类l:年龄和学历的分布较为均匀, 而消费额最低, 因此可以认为这类会员只是偶尔光顾书店。

★分类2:学历水平较高, 年龄在27~29之间, 消费额属于中上水平, 可认为这类会员主要是科研工作人员。

★分类3:学历水平较高, 年龄在29以上, 消费额以中上为主, 可认为这类会员主要是管理人员。

★分类4:学历以本科为主, 年龄偏低, 消费额居中, 可认为这类会员主要是在校学生。

★分类5:支持事例较少, 难以进行较为合理的商业分析, 可认为主要是受噪声影响而生成的聚类。

创建关联规则算法的挖掘模型 (CustomerBook) 来分析会员与图书之间的关联, 进而向会员推荐其他可能感兴趣的图书。以Customer作为事例表, ID作为键列, Gender、Age、Degree和Area作为输入列;选择V_BookSell作为可预测的嵌套表, Name作为嵌套表的键列。对该模型进行处理后, 可以看到复杂的项集、规则和依赖关系网络, 如图3所示。

其中项集视图显示了关联规则算法所挖掘出的频繁项集, 即哪些会员购买哪些图书的情况频繁出现。依赖关系网络图则显示了结点和它们之问的关联规则;边的密度越大, 则关联规则的出现越频繁。

创于时序算法的挖掘模型 (WeekSell) 进行图书销售走势分析, 根据图书的历史销售信息预测未来的销售额。使用V_Book为事例表, 设置其Category、Press、Price、Pages和CD列为输入列、DaySellNumber为可预测列, 对Price和Pages两列进行离散化。

创建神经网络算法的挖掘模型 (BookSell) 来对图书信息进行挖掘从而预测新书的销量。

创建顺序分析算法的挖掘模型 (BookAssociation) 来实现图书销售的关联分析, 从而进行图书绑定销售。

创建基于线形回归算法的挖掘模型 (BookPrice) 来推荐新进图书的定价。

5 小结

本文所采用多策略的数据挖掘模型根据不同的分析功能和分析数据的特点采用不同的算法模型, 以达到最好的分析效果。通过一系列的方法和手段对会员信息和图书信息的各个方面进行决策分析, 得出指导图书销售的相关知识, 对会员购买行为和图书销售进行有效分析, 使图书销售企业在激烈的商业竞争中占据优势。

摘要：本文从图书销售数据着手, 针对不同分析功能采用多策略挖掘模型, 对注册会员的信息和图书信息进行分析, 调用DMX查询命令来执行模型预测, 从海量复杂的信息中挖掘出有价值的知识, 可以给图书销售企业各部门主管提供有效的决策支持。

关键词：数据挖掘,图书销售,多策略挖掘模型

参考文献

[1]Quinlan J R.Learning efficient classification procedures and their application to chess end games[J], In:R S Michalski, J G Carbonell, T M Mitchell, eds.Machine Learning:An Artificial Intelligence Approach, Tioga, 1983.

[2]陈阳, 陈旭.数据挖掘在图书销售企业精确营销中的应用[J].中国科技信息, 2008, 19:182-183.

[3]Michael J.A.Berry, Gordon S.Linoff.数据挖掘技术:市场营销, 销售与客户关系管理领域应用[M].别荣芳, 尹静, 邓六爱译.北京:机械工业出版社, 2006:312-375.

[4]Pang-Ning Tan, Michael Steinbach, Vipin Kumar.数据挖掘导论[M].范明, 范宏建, 等译.北京:人民邮电出版社, 2006:89-295.

篇4：推盘策略销售模型

【关键词】闭环供应链；主从博弈；定价

1、引言

近些年，由于资源危机和环境污染，可持续发展这一战略在全世界范围被大力推广，因此，回收再造和循环利用得到了越来越多人的关注。在这样的社会背景下，很多学者开始研究闭环供应链的管理工作以及闭环供应链的定价与协调问题。

孙明波等人（2014）[1]主要针对电子产品闭环供应链进行研究，在假设由专业第三方进行回收的前提下，存在零售商销售和制造商网上直销两种销售渠道时，运用博弈论相关理论进行模型建立并分析对比，并通过协调契约的设计使得系统利润达到最优。

吴波（2014）[2]认为制造商通过网上销售渠道可以使得产品销售渠道更加多样性，但会使得传统零售商销售与网上销售之间产生冲突，所以为了缓解该冲突，将根据不同渠道的不同权力机构，对供应链中各渠道的产品定价策略及契约协调进行分析研究。

易余胤等人（2012）研究了在制造商和零售商同时销售产品，同时回收废旧产品的情形下的闭环供应链定价模型，主要分为三种模式：分散决策下、集中决策下、契约协调下，并分别对这三种模式下的制造商、零售商最优定价策略和利润进行了分析，最后通过算例验证了结论的正确性。韩小花（2008）主要分析了由两个制造商和两个销售商组成的双向渠道冲突，渠道之间的竞争程度对闭环供应链的渠道决策问题的影响。林杰等人（2014）考虑将废旧产品的回收活动交由第三方的销售渠道冲突和回收渠道冲突并存的情况，分析对比了不同市场力量结构对闭环供应链节点企业最优定价策略和利润的影响。

2、模型描述及前提假设

在本文所建立的模型中，制造商一边以W价格批发产品给零售商，零售商以P2进行产品销售；同时制造商以价格P1也进行产品的销售活动，而回收渠道则是零售商以Pr价格从消费者手中回收废旧产品，制造商支付给零售商的回收转移价格为Pm。

假设1 新产品和再造品在质量、性能上完全一样，以相同的价格进入市场，消费者对二者的接受度也完全相同；

假设2 制造商生产新产品单位成本为Cm，再造品单位成本为Cr ，并且。

假设3 制造商的市场需求函数，零售商的市场需求函数为，其中a为市场总容量，s为零售商所占产品销售市场份额比例，为市场需求对价格的敏感系数；

假设4 废旧产品的回收函数，其中 k表示消费者自愿返还的废旧品数量，h表示回收的价格弹性系数，并且回收量不能满足市场需求，必须生产一定数量的新产品。

假设制造商处于领导地位，零售商处于跟随地位，可以得出制造商和零售商的利润函数为：

通过上述模型建立的求解结果，下面通过数值算例的的形式对不同模型下的最优定价策略进行对比分析，令，可以得出：

在分散决策下，P1 =11.667，P2 =12.875，Pr=1.05，=148.78。集中决策下，P1=11.025，P2=12.417，Pr=2.25， =195.60。由以上结果可以知道，集中决策下系统利润能够达到最优，并且集中决策下零售商的回收价格大大提高，这样做可以鼓励零售商积极参与废旧产品的回收活动，有益于消费者和整个闭环供应链的再造活动，而集中决策下的制造商的直销价格、零售商的销售价格也将降低，这样做对整个产品市场的消费者是非常有益的，有利于扩大销售产品市场。

4、结束语

本文建立了单一制造商、单一零售商组成的主从博弈闭环供应链，与以往研究不同的是，本文假设制造商和零售商同时销售产品，而零售商负责废旧产品回收活动，并研究分析了在这样的前提下，制造商、零售商的最优定价策略，以及给出了二者集中决策时系统的最优定价问题，并在最后通过具体的数值算例可以看出，集中决策下的定价策略更加有益于整个闭环供应链活动。因此在以后的研究中，在本文的结论上还可以进行以下的扩充：可以考虑进行契约设计，使得分散决策的定价决策进一步优化；可以考虑制造商也参与废旧产品回收活动的情况；可以考虑新产品和再造品之间具有一定的差异性等等。

参考文献

[1]孙明波，侯卓媛.电子商务环境影响下的电子产品闭环供应链模型分析.物流技术，2014.33（1）：第274-276页.

[2]吴波.不同渠道权力结构下的多渠道供应链定价与协调研究， 2014，西南交通大学.

作者简介

史倩倩，重庆师范大学经济与管理学院硕士研究生，主要研究方向为闭环供应链。

篇5：企业销售价短期预测模型研究

从2002年底开始的上一轮电力体制改革一路走来已经13年,13年来,以两大电网公司、五大发电集团和两大电力建设集团为代表的市场主体逐步确立,现代企业制度基本形成,发电侧市场竞争日益激烈,电力科技创新硕果累累,我国发电装机总容量,以及发电量已位居世界第一,电网规模及安全可靠供电世界领先;国家电网在美国《财富》杂志发布的《2015年世界500强企业名单》中排名第七位,这均得益于电力体制改革所释放出的巨大的生产力。

《关于进一步深化电力体制改革的若干意见》(中发〔2015〕9号)即9号文“三放开一独立”的出台,使得电网公司在电价制定、电量控制,以及电力交易方面权力削弱,由贸易商转变为物流商,盈利模式相应发生了根本性的变化。而电力企业的利润构成主要是主营业务收入,即主要是企业对外销售电力、热力的收入。电力企业的主要商品就是电,因此其收入的多少与电价的高低联系紧密。由于合理的输配电价机制尚未建立,政府部门又常常将电价作为宏观调控、保障民生的重要措施,电价对公司经营持续稳定的保障作用受到严重削弱。

基于此,本文以冀北电力有限公司为例,采用非线性智能算法模拟电价变动规律,以提高电价市场化过程中电网公司的价格预测能力。

二、模型原理

传统财务分析方法通过趋势、同比、环比分析,难以直观反映数据间关联关系。智能算法使得数据挖掘手段等在财务管理中的应用成为可能,为挖掘数据隐藏价值、定位管理痛点,为企业经营管理提质增效奠定基础;同时,考虑到我国电价模式的多元特质,不同电价模式下的关键影响因素会有所差异,基于此本文将使用BP神经网络方法进行智能电价预测,数据挖掘模型使用分析如下:

人工神经网络模型(Artificial Neural Network,ANN)神经网络预测模型从网络算法优选、网络合理结构的确定和相关信息的充分利用这三个方面入手构建预测模型,这就使模型本身具有坚实理论基础,同时又具有应变的适用性。因此,这种预测方法具有鲜明的优点:即具有超强的自适应性、可分布式进行存储、可进行大规模的并行处理同时容错性非常强的优点。

目前已有大量研究使用这种预测技术,如预测预报、模式识别、自动控制等领域的智能模拟和信息处理。利用该技术可以有效解决难以精确建模、具有高度非线性和各种不确定性的问题。

ANN中,BP(Back Propagation)神经网络是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系,而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法,通过反向传播来不断调整网络的权值和阈值,使网络的误差平方和最小。

BP神经网络模型的拓扑结构包括输入层(input)、隐层(hidden layer)和输出层(output layer),是一种平行分散处理模式,具有动态性。本文将利用此非线性智能预测技术,深入分析冀北公司电价历史数据间的内在关联,具体操作步骤见下文。

三、分类电价预测模型设计

基于我国电价模式呈现出多样化特点,为准确预测不同模式和类别下的电价,有必要首先梳理当下我国电价模式和未来电价改革方向;以此为基础,根据改革方向进行电价模型设计,提高预测准确度。

根据《销售电价管理暂行办法》,我国售电机制是基于行业用户和电压等级的分档定价制度,并未体现用电负荷特征,使得当下电价与供电成本不匹配,难以改善电力行业的经济效益。改革方向即是以用电负荷特征为主要分类标准,合理制定用电价格。

因此,基于《关于调整销售电价分类结构有关问题的通知》和9号文电价改革方向,本文拟以负荷特性作为基点,考虑到冀北电力有限公司单一制和两部制电价模式同时存在,分别设立神经网络模型,以提高电价数值预测精度。模型设计过程如下:

1. 神经网络输入层变量选取

电价作为电力市场的支点,在电力市场中对促进市场竞争、提高电力系统运行效率和实现资源优化配置起着十分重要的作用。冀北报表资料显示,目前冀北仅对315kVA及以上的大工业用户实行两部制电价,其他为单一制电价模式,具体地:

大工业电价模式方程:

其他类别电价模式方程:

模式中,大工业用电为两部制电价模式,即电度电价与基本电价总和。电度电价为用电度数×单价。电度电价有时段差异,基本电价是电力公司需要满足工厂时刻恢复用电的需求,故收取基本电价可保证占用线路的折旧等。

本文运用冀北市县级详细数据,大工业取其分电压等级数据,观察售电单位电价与电力负荷关系;运用BP神经网络法进行预测,逐一按年份、月份、公司名称编号,得到其预测关系曲线。非工业与普通工业、居民生活用电、非居民照明用电、商业用电、农业生产用电这五类预测由于实行单一制,这里则运用售电单位实际电价预测下期电价。

2. 神经网络结构样态选取

目前提高神经网络电价预测结果主要采用改进网络结构和优化输入端两种方法。对于电价预测模型选择,本文采用优化输入端的预测方法,即通过增加少量的输入因素和对历史数据的进一步分析来提高预测结果的精确度;同时选择3层的BP型神经网络,3层结构和数学模型较为简洁,适用性强,且有利于体现所增加的输入端因子对测结果影响的一般性,具体算例实现过程和结果输出见下章节。

四、系统仿真实现:算例分析

仅以大工业用电类别为例说明算例过程分析,由于输入用实际负荷,故首先需要计算出预测负荷值,然后用预测负荷值计算电价,系统仿真过程由Matlab软件实施,具体算法实现步骤如下。

Step 1:

对初始样本数据进行归一化处理,使用mapminmax函数将数据归一化到[0,1],然后选取测试组,由于本题数据较少所以全部用作训练(非大工业用电类型下,模型预测共436个样本,取80%用作训练样本,20%用作测试样本。)。

Step 2:

进行网络创建并设置网络参数和训练参数,部分代码如下,完整代码见附录。

Step 3:

选取合适的算法进行训练和测试,考虑到数据的变化性,这里采用动态梯度下降算法(net.trainfcn='traingdm')

Step 4:

最后数据分析和绘图2015年3月至8月数据,以及预测2015年10月和11月的电价。

其中,2015年10月和11月的预测电价可在窗口实现直接输出,部分代码为

此外,本算例不断修正参数,以使误差降至最低,根据不同学习速率的运算结果比较,选择学习速率为0.2;训练次数分别为1000、3000、10000次,发现随着训练次数的增加,误差逐渐降低。图形直接输出预测曲线和实际曲线,绿色为实际值,红色为预测曲线,拟合度比较见后表1。

预测过程中,以非大工业用电神经网格预测为例,结果窗口显示,非大工业用电单价2015年9月三河市供电有限公司非工业、普通工业用电单价773.8563元/万千瓦时,与实际值相当,预测精度可靠,说明本文所选取算法参数合理可行。

五、小结与讨论

运用BP神经网络预测方法时,除误差较大的个别样本,其他样本的电价测算值一般均低于实际值,为验证结论稳定性,本节中首先尝试运用输配电成本核算办法,按照“准许成本加合理收益”原则测算当前冀北电力公司的电价合理性,探寻结果一致性。

若根据《销售电价管理暂行办法》规定:销售电价由购电成本、输配电损耗、输配电价及政府性基金四部分构成来进行测算冀北电力公司,测算方法如下:

其中,根据当前深圳输配电改革试点实施方案,

折旧费是指电网企业按政府价格主管部门核定的输配电固定资产原值和定价折旧率计提的费用,运行维护费是指维持电网企业正常运行的费用,包括材料费、修理费、职工薪酬和其他费用。

其中:权益资本收益率参照监管周期初始年前三年平均长期国债利率加1~3个百分点的投资机会损失确定;债务资本收益率参照监管周期初始年前三年平均国内商业银行5年期以上贷款利率水平确定;资产负债率参照监管周期初始年前三年电网企业资产负债率的平均值确定。

可计提收益的有效资产是指由电网企业投资形成的、可获取投资收益的有效资产。用户或地方政府无偿移交等非电网企业投资形成的资产,不计提投资收益。可计提收益的有效资产=固定资产净值+流动资产+无形资产+在建工程投资(6)

税金包括企业所得税(25%)、城市维护建设税(7%)、教育费附加(5%)等。其中:企业所得税=〔有效资产×(1-资产负债率)×权益资本成本〕÷(1-所得税率)×所得税率。城市维护建设税及教育费附加=不含增值税准许收入×增值税税率×(城市建设维护税率+教育费附加费率)(7)

通过合理测算,2013年测算值为583.1215274元/万千瓦时,冀北实际销售电价606.70元/万千瓦时,较理论测算水平高23.58元/千千瓦时,有较大差距,这说明未来随着电力体制改革推进,按照“准许成本加合理收益”原则,冀北电价有可能会下降。

冀北公司已经做了大量工作,一定程度上反映了不同电力用户用电特性和供电成本差异,较好地发挥价格信号调节市场供求的作用,离最终改革目标越来越近。未来经营管理中,随着地区经济发展和产业结构调整,类别用电结构和负荷特性发生较大的变化,销售电价结构也需要随之调整;同时,电网新增投资和发电成本变化将影响供电成本,进而同样引起调整销售电价水平的需求。本文提出的电价预测模型和方法有助于及时预测电价发展趋势,做好各项准备,以提高适应和应变能力、提高对内外环境变化的感知,并及时有效的做出相关应对策略,最大限度减少未来经营管理因突发性财务风险带来的损失。

参考文献

[1]黄海涛,吴洁晶.负荷率电价及其选择性实现途径[J].价格理论与实践,2015,(6):34~36+81.

[2]潘文青.国外电价制度及对我国电价改革的启示[C].华东六省一市电机工程学会输配电技术讨论会,2012:519~523.

[3]李英惠,胥超.基于时间序列模型的售电量预测方法[J].山东电力技术,2014,(6):56~59.

[4]孙婧捷.基于组合方法的月度售电量预测研究[D].大连理工大学,2014:47~80.

[5]王正林,刘明.精通Matlab7.0[M].北京:电子工业出版社,2007:25~129.

[6]李庆国.高绩效电网财务分析体系的探索与研究[J].华北电业,2013,(4):52~53.

[7]孙贤.标准成本管理与信息化协同促进效益提升——冀北电力有限公司标准成本管理实践[J].财经界(学术版),2015,(18):49~50+38.

篇6：房企推盘提速期盼“红五月”

种种迹象表明，开发商在精心备战即将到来的五月。

广州开发商最为积极。据搜房网数据监控中心统计，截至4月22日，5月广州十区两市预计有74盘推出新房源，环比4月份大涨51.02%，其中增城14盘、番禺12盘成为5月推新大户。在74个预计推新的楼盘中，全新盘占14个，老盘推新有60个。

上海的情况也极为类似。行业人士预计，5月份新开或者加推项目会远超4月。据估计，4月份新开楼盘大约在25个左右，虽然目前无法确定具体开盘数量，但据不完全统计，新开楼盘数量远超4月份已是定局。其实，上海市场已经开始预热，在住宅方面，随着5月的临近，入市积极性有所增强。据上海搜房数据监控中心截止至4月22日统计，4月第三周上海共有16个住宅项目加推或开盘，环比前一周新增8个。

开发商对“红五月”的重视，从参加2013上海房展会的积极性上可得到反映。据了解，有近200家中外开发商500个国内热销楼盘和地产项目亮相，包括万科、招商、保利、金地等在内的一线开发商，以及三湘、和记黄埔等知名房企悉数亮相，相比一个月之前的“上海之春”房展会，无论是参展楼盘的数量还是参展商的“质量”都大幅提升。

开发商对“红五月”充满期盼，其实自有它的道理。据了解，2012年年中一波行情，便是始于5月份。虽然当月成交状况并未出现大幅增加现象，但在随后的6月份便摆脱了此前的低迷态势。

刚需主导市场

热情渐高的刚需，将会成为主导下一波行情的主力。

上海汉宇地产有关人士分析指出，经过短暂观望和调整后，迎合市场需求结构，首次自住刚需产品的房企再度进入密集推盘期，提前锁定“金五月”。不过受“国五条”影响，房企定价基本与前期保持一致，涨幅收窄。考虑到新政细则未能给当前新房市场带来实质性降温效果，因此潜在需求仍愿意入场。

从4月份成交状况来看，瞄准刚性需求的项目当仁不让地占据了排行榜的前列。根据上海汉宇地产市场研究部提供的监测数据显示，截止到4月22日，位于嘉定新城板块的汇景华庭以205套的签约套数排在所有首位。该项目售价在15500元/平方米，为首次置业人选所能接受，属于典型的刚需楼盘。此外，包括位于嘉定区的万科金色领域、嘉宝梦之湾，以及位于闵行吴泾的嘉怡水岸等项目，售价也主要集中在14500～17000元/平方米之间，同样属于刚需楼盘。

房企信心满满

对于后市的走向，房企表现出超强的自信。

近期房企动作频频，不断调整了推盘策略，而且还主动调高售价。据了解，在市场处于低迷时期，开发商在开盘之前会“先行蓄水”，累积到足够多的客户之后才敢正式推盘，以防止出现案场门可罗雀的尴尬情形。然而在目前，却开始采用“少量多批”推盘策略，这是典型的“牛市做派”。还有，开发商在价格上不再遮遮掩掩，而是明目张胆地涨价，如此前销售状况比较理想的项目，其售价就出现不同程度地上涨。如华侨城·新浦江城项目，则已经涨到了27000元/平方米左右，与3月份的售价相比，涨幅在10%左右。

当然，房企之所以表现得信心十足，这跟此前一段时间的行情也有着极大的关系。从去年四季度以来，沪上新房市场的回暖势头即已十分明显，在刚刚过去的3月，上海商品住宅成交量更是突破150万平方米，一举创下近40个月的新高。

而从未来楼市发展态势来看，房企似乎也有足够的理由继续自信。有研究人士指出，未来房价的上涨压力仍然较大。长期看，我国仍处于城镇化快速发展阶段，特大和大城市人口聚集导致的住房供需关系紧张状况不会很快改变。中期看，房地产投资需求在较长时间内仍保持旺盛态势，短期看，2012年新开工的面积负增长影响未来2～3年住宅供应量。由此看来，房地产市场在未来很长一段时间内，仍然会维持在需求极为旺盛阶段，而这则是推动房价上涨的根本因素。

还需找准节奏

需要提醒的是，不管未来市场如何变化，刚需还是应该以自己的节奏来安排置业计划。

3月末出台的沪版“国五条”细则一度给一手市场带来了观望情绪，成交量出现了断崖式下跌。根据德佑地产监控的数据显示，4月的最初两周，全市一手商品住宅成交量均未突破20万平方米。但是由于政策对一手市场缺乏针对性，目前的市场已从政策初期的短暂观望中逐渐走出，在4月份的第三周上海市商品住宅成交量又恢复至25万平方米以上的高位，即将到来的五一房展会将带动开发商的推盘力度，无疑有利于楼市的进一步回暖。

但这并不能成为刚需追涨杀跌的理由。从目前来看，房价不具备大幅上涨的可能。德佑地产研究总监陆骑麟认为，由于前期成交高峰对于需求的透支作用，想要恢复到3月的高位水平存在较大的难度，未来的楼市成交将逐渐趋于稳定。3月由于市场热度过高而出现的普遍性价格上涨情况也将得到明显的缓解。

因此对于刚需而言，还是应该自身状况，合理安排置业计划。虽然住房作为不动产具有保值功能，但对刚需来说，关注的主要是使用功能，因此从某种程度上来说，价格的波动，不应该作为刚需是否该出手的主要判断标准。而是应该结合自身的经济条件、实际需求等进行综合考量，然后决定是否购买。

当然，由于市场的转暖，加之新政对新房的影响有限，这已经极大改变了房企的心态，因此未来大幅打折促销的现象可能不会大面积出现。大多数项目会采用“平价入市、小幅走高”的销售策略。因此在现阶段，已经具备购房条件的刚需，如果非要寻找大幅打折楼盘才肯出手，则很有可能难以如愿。

篇7：企业产品销售存储问题的数学模型

另外一方面, 结合现在市场研究员对货品交易过程的实地调查发现, 通常情况下, 存货量本身对消费者的需求量也会产生影响:通常商场内存货量多的商品会吸引更多的消费者购买, 这个时候的需求量就不完全与依据消费者基于自身生活需求而产生的购买水平相当, 这种现象被称为“存货量对销售率的影响”。许多国内外的学者都已经注意到了这种“影响”对企业销售量的作用效果, 并针对此效果提出了一些观点, 本文也将针对这种影响, 做出一些数学模型的假设。

1 不允许缺货的订货产品销售存储问题数学模型

1.1 模型假设条件

不允许缺货的订货产品销售存储模型中, 假设货品补充的时间很短, 不考虑销售中断的时间, 此时能为带来最多经济利润的最有订货批量为:

订货时间规律的最有订货周期为:

另外需要假定的条件有:销售企业的仓库容量是有限的, 订货时间规律的条件为:每次订货之后, 货品可以马上得到满足, 不需要等待;每次进入仓库的货品的质量是恒定的, 可以满足消费者对该物品的购买欲望;该商品的销售速率只与时间有关系, 不考虑其他的影响因素。在上述条件下, 当仓库容量有限时的订货销售存储模型可有定理一表述如下:

当:Q*为最有订货批量, T*为最优订货周期, Q0为企业自身仓库能够容纳的最大货物容量, R为商品的需求率, C1为订货所需要的费用, C2为单个物品在仓库内存储所需要的存储费用, C3为单个物品在仓库内存储所需要交纳的仓库租赁费用时, 最佳的订货周期和最佳的单次订货量分别为:

当单个物品在仓库内存储所需要的存储费用与仓库内存储所需要交纳的仓库租赁费用相同时, (3) 、 (4) 式将与 (1) 、 (2) 相同。

1.2 模型假设

(1) 市场中消费者对该商品的需求量是恒定的, 并且需求率为R;

(2) 在每一个订货周期内, 当商品的储量降为0时, 立即订货补充仓库, 这段时间视为零, 也即货物补充无时间间隔;

(3) 每次生产装配费用固定为C;

(4) 使用自己的仓库时, 单个商品单位时间内所需要的存储费用为C2;使用租借的仓库时, 单个商品单位时间内所需要的存储费为C3, 且C2

(5) 企业自己的仓库最大库容量为Q0, 且Q0小于最佳生产销售存储模型的最优最大存储量, 即是必须使用租赁仓库;

(6) 商品在存储时, 只有在自己仓库满仓的前提下才能使用租赁的仓库;

(7) 在商品销售过程中, 先消耗的为租赁仓库内的存货;

(8) 当企业对生产商提出商品需求订单的同时, 生产企业马上进行相应商品的生产, 不考虑原料配备时间和机械准备时间;

(9) 假设商品的运输时间为零。

1.3 模型求解

假设生产厂家的生产周期为T, 单个商品的生产时间为t, 商品单次的生产批量为Q, 对使用租赁仓库存储销售的模型, 得出最佳生产周期、单次最佳生产批量、最佳生产时间分别为:

并将上述模型在下图坐标轴上表示出来, 其中Qmax代表商品的最大存储量;t1为商品将企业自己仓库装满的时刻;t2表示租赁仓库产品被完全销售出去的时刻;由粗线段代表产品存储量的销售变化曲线。

由上图可知, t1=Q0/ (P-R)

求解上述公式的值, 可知, 当使用租借仓库的费用与使用自己仓库的费用相同时, 租借仓库的销售存储模型即可简化为企业自身仓库容量无限化的销售存储模型。

另外, 当P值无限大时, P/ (P-R) 无限接近于1时, 租借仓库的生产销售存储量模型就与租借仓库订货量销售模型相似。

1.4 模型讨论结论

(1) 当企业的仓库容量为一定值时, 企业需要按照仓库的容量来进行订货和存储, 而不需要另外租赁仓库;

(2) 当企业决定租借仓库时, 需要按租借仓库和本身仓库的来选取最优的订货批量和销售量。

2 存货对销售率影响下的产品销售存储问题数学模型 (EOQ)

2.1 模型理论依据

存货对销售率的影响的数学模型在销售率的变动方面分析方式有两大类:一类是销售率与库存的初始存储量有关的函数;另一类是销售率与任意一刻仓库内商品的存储量有关的函数。其中, 国外的经济学家很早就研究过了当销售率仅与仓库的初始存货量有关的函数结构下产生的销售水平影响, 随后, 又有部分经济学家定义了销售率与仓库内任意时刻的商品存储量相关的函数, 并研究了在非销售前提下地库存模型。

在此影响基础上, 还有部分的经济学家提出了时效性产品的定义:即商品的价值、性能、使用价值会随着时间的改变发生变化的一类商品。这类商品的销售主要考虑因素即为存储时间的长短、存储方式的科学性和存储过程的经济代价等, 其中最典型的该类产品为医用血液:血液具有储存寿命, 储存时间超过储存寿命的血液将不能视为有使用价值的产品, 随即也失去它的价值。易变质商品的库存对商品销售存储的影响, 可以建立三种库存模型:无提前期瞬时补充前提、无短缺量影响、完全的短缺量影响下的销售率函数。

这里引入了一个新的适用于不允许缺货、成批间隔式存储问题的进货模型:EOQ模型 (即为经济订货批量模型或者整批间隔进货模型) 。假设消费者对某商品单位时间的需求量恒定为D, 仓库内该商品以单位时间D的量被销售消耗的速度减少, 经过时间T后, 该商品的存储量下降为零, 仓库储量降为零后, 立即订货并可以马上得到补充货物, 不考虑货物的生产和运输时间, 库存量直接可以补充为满仓量, 随即开始下一个储存销售循环和走起, 并由多个相同周期形成多周期存储模型。

2.2 模型假设条件

由于时效性商品的定义和特点决定了其在计算销售存储问题时, 不能一概而论, 而需要分情况讨论, 下面我们就将其分为甲乙丙三类分述:

甲类:变质速度很慢, 但具备无限存储寿命。此类产品的典型代表为:家用电器和时装, 主要特点为价值随时间变化而降低, 由此产生的损失为变质损失;

乙类:变质速度较快, 而且当存储时间大于存储寿命之后, 该商品则全部作废。此类产品的典型代表为:食品、药品, 主要特点为存储时间小于存储寿命时存在使用价值, 当存储时间大于存储寿命时, 则使用价值全无, 由此产生的损失被称为过期损失;

丙类:变质速度很慢, 但具有一定的存储寿命, 当存储时间大于存储寿命时, 全部作废。具有甲类和乙类产品两种损失, 其典型代表为:飞机、电子产品等技术类商品, 由于此类商品更新换代速度很快, 一段时间后, 同样类型的商品使用价值已经微乎其微了, 可以视为全部作废, 这里我们对此不作讨论。

假设商品的补充周期为T, 每次的订单量为Q, 并假设订货与货物补充为瞬时的, 引入如下函数:

f (t) :t时刻市场销售水平对仓库存货的需求率, 假定为已知确定函数;

g (t) :t时刻仓库中商品变质的速率, 假定为已知确定函数;

x (t) :t时刻该商品的库存量;

y (t) :本周期内t时刻以前仓库内变质商品的数量;

由此得出下式:

h:为常数, 表示单个商品单位时间内所消耗的存储费;