基于ARIMA模型的中越跨境电商发展趋势分析_李玉翠.pdf

2023 年第 07 期总第 349 期6【经贸实务】基于 ARIMA 模型的中越跨境电商发展趋势分析李玉翠黄智铭韦金玲（广西民族师范学院，广西崇左532200）摘要 在“一带一路”倡议的实施和 RCEP 建设背景下，中国跨境电商出口显现出了巨大的潜力。中国与越南接壤，在政策的支持下，中越跨境电商交流与合作将迈向一个新的台阶。研究采用时间序列预测中的 ARIMA 模型对中越跨境电商 7 大行业 31 个子行业的销售情况进行预测，由模型分析可得，电子设备行业的发展趋势最好，销量呈十分明显的上升趋势，其次是配饰行业和服务类行业，存在一定的波动性，但总体来说是上升趋势。关键词 跨境电商；中越；ARIMA 模型；中图分类号 F746.48 文献标识码 A 文章编号 2095-3283(2023)07-0006-05Analysis of Development Trend of Cross-border E-commerce in China and VietnamBased on ARIMA Model Li Yucui Huang Zhiming Wei Jinling(Guangxi Minzu Normal University,Chongzuo Guangxi 532200)Abstract:Under the background of the implementation of the“Belt and Road”initiative and the construction of RCEP,Chinas cross-border e-commerce export has shown great potential.China shares a border with Vietnam.With the support of the policy,the trade exchange and cooperation of cross-border e-commerce industry between China and Vietnam will reach a new level.The ARIMA model of time series forecasting is used to forecast the sales of 31 sub-industries in 7 major industries of cross-border e-commerce in China and Vietnam.According to the model analysis,the development trend of electronic equipment industry is the best,and the sales volume shows a very obvious upward trend,followed by the accessory industry and service industry,which have a certain volatility,but in general,the trend is upward.Key Words:Cross-border E-commerce;China-Vietnam;ARIMA Model 一、引言近年来很多电商企业纷纷把目光放到了国际市场。由 WeAreSocial 数据调查公司发布的最新报告显示，2022 年，全球电商销售额突破 50000 亿美元，占整体零售额的 1/5，且预计到 2025 年将突破 70000亿美元。2022 年 3 月 28 日，中国国际经济交流中心发布的数字平台助力中小企业参与全球供应链竞争报告预计到 2025 年，中国跨境电商 B2B 市场规模将达到 2.3 万亿美元。20132022 年中国跨境电商交易规模如图 1 所示，跨境电商在 2013 年至 2019 年期间呈平稳上升趋势，2020 年略有下降，但依然保持相对稳定，2021 年呈现明显的上升，2022 年达到15.1 万亿元。由此可以看出中国的跨境电商存在较大的上升空间。作者简介 李玉翠（1986），女，壮族，广西崇左人，讲师，博士研究生，研究方向：跨境电商、市场营销；黄智铭（1984），男，壮族，广西大新人，讲师，硕士，研究方向：市场营销、项目管理；韦金玲（1999），女，壮族，广西河池人，本科生，研究方向：跨境电商。基金项目 广西中青年科研基础能力提升项目“中国东盟跨境电商产业协同发展与演进”阶段性研究成果（项目编号：2021KY0763）；广西民族师范学院 2020 年校级科研项目“基于哈肯模型的中国东盟跨境电商与物流产业协同发展研究”阶段性研究成果（项目编号：2020YB030）。2023 年第 07 期总第 349 期7图120132022年中国跨境电商交易规模（万亿元）数据来源：iiMediaReseaech(艾媒咨询）。越南的电子商务发展态势良好，在“一带一路”倡议推动和 RCEP 协议背景下，越南成为中国跨境电商企业的重要市场。2019 年 8 月，京东成为了 Tiki 平台的最大投资者，同年 12 月，阿里巴巴集团旗下的金融科技公司蚂蚁金服也进入了越南的电子支付领域。这些都为中国与越南的跨境电商发展提供了有利的条件。2021年 12 月东南亚市场数据月报显示，越南和印度尼西亚呈现出销售环比正增长的趋势，平台流量也呈上升趋势。在此背景下分析跨境电商面向越南市场的行业发展情况，为中国卖家在面对越南市场选品和营销时提供参考依据显得尤为重要。研究拟采用时间序列预测中的ARIMA 模型对中国与越南跨境电商部分子行业发展情况进行分析，对中越跨境电商子行业的销售数据进行预测，最后，结合 ARIMA 模型的分析结果进行总结和建议。二、文献回顾在跨境电商研究方面，Gessner 等人（2015）将传统的贸易和电子商务的增长速度进行了比较，发现电子商务的快速发展为中小企业在国外市场挖掘新客户创造了非常大的机会，但仍还面临着许多制约因素，其中包括关税制度和海关制约的差异等1。MesutSavrul等人（2014）研究发现，中小企业在全球跨境电商平台领域竞争时，会遇到销售、支付、物流等问题，应促进科技支撑的基础设施建设、制定和完善新的法律法规等，进而更好地帮助中小企业顺利开展跨境电商2。JeongHughHan 和 Hag-MinKim（2019）建立了一个跨境电商专用的研究模型，从理论上分析了不同类型的跨境电商动机、信息技术使用模式、消费者信息和购买意图之间的关系，并采用偏最小二乘结构方程模型对韩国样本进行了分析3。在中越跨境电商合作方面，杨耀源（2020）提出合作应推进战略对接，优势互补；应强调平等共商，成果共享；应提升智力支持，丰富合作内涵；应强调平衡发展，协调发展4。在“一带一路”倡议下我国边境地区发展跨境电商方面，谢尚果、彭振（2017）针对我国边境发展跨境电商提出“跨境电商+传统互市”融合发展的理念，加强边境地区“互联网+硬件”建设力度，提升边境地区“互联网+软件”建设水平，实现“互联网+精准扶贫”有机结合和运用“互联网+法治”为边境发展跨境电商保驾护航等5。黄蓝青（2020）认为，随着跨境电商合作日益密切，平台支付和物流体系逐渐完善，未来中国与东南亚以及非洲国家合作与发展的潜力不断加大，本土电商平台在东南亚和非洲入驻成功率高，是我国跨境电商出口的必然选择6。曾贞（2020）在关于中越贸易问题上提出应加强中越边境贸易政策落实的协调性、提升中越边境贸易管理机构治理能力、建立中越边境贸易稳固的合作机制7。三、基于 ARIMA 模型的中越跨境电商销售情况实证分析时间序列 ARIMA 模型全称叫自回归移动平均模型(AutoregressiveIntegratedMovingAverageModel)，记作 ARIMA(p，d，q)，是统计模型中最常见的一种时间序列预测模型。ARIMA 模型能够很好地对平稳的时间序列数据进行拟合，而对于非平稳的时间序列数据来说，则需要进行差分处理，将其数据转化成平稳的时间序列数据，对于时间序列模型来说，若时间序列在经过一阶差分即之后服从一个平稳且可逆的 ARMA(p，q)模型，那么服从 ARIMA(p，1，q)模型，同理，若经过 d 阶差分后满足以上条件，那么序列服从 ARIMA(p，d，q)模型，而对于存在周期性特征的季节时间序列来说，则可以通过季节差分从而得到 ARIMA(p，d，q)(P，D，Q)s 模型，该模型的关键之处在于定阶，即确定 p，d，q，D 以及 Q 的值，其最常用的方法是由自相关函数 ACF 和偏自相关函数 PACF 决定。模型 ARIMA（p，d，q）表达式如下：其中为预测值，t 为时间变量，为白噪声序列，和为系数。（一）数据收集和预处理1.数据收集数据来源于知虾网站（Shopee 数据服务平台）跨境电商平台越南站点的销售统计。Shopee 是新加坡的东海集团旗下的跨境电商平台，业务范围辐射新加坡、马来西亚、菲律宾、泰国、越南、巴西等 10 余个市场。平台销售子行业分有保健、时尚配饰、家用电器、男士服装、男士鞋、手机平板与配件、旅行和行李箱、女装服饰、美食外送、女士鞋、男士包、手表、音响设备、美食餐饮、美妆保养、宠物、母婴用品、婴幼童时装、相机和无人机、居家生活、运动与户外运动、文具、珍藏2023 年第 07 期总第 349 期8品、汽车类、摩托车类、票务优惠券与服务、书籍和杂志、电脑和配件。Shopee 旗下支付平台 ShopeePay 在各市场推出一项名为“DealsNearMe”的新功能，该功能基于位置向平台用户展示其附近的交易，观察近年来越南站点子行业的销售数据。研究选取 2022 年 1 月 9 日至 2022 年 4 月 9 日 Shopee 平台越南市场 31 个子行业（根据知虾平台越南站点划分）销售数据，对越南站点的子行业销售情况进行分析，构建 ARIMA 模型，并对子行业发展趋势进行预测。2.时间序列数据预处理对所收集的时间序列数据进行分期，每 3 天为 1期，共 30 期。将 31 个子行业重新分组，分有保健类、服饰类、配饰类、电子设备类、运动类、生活用品类和服务类 7 个大行业，如表 1 所示。表 1Shopee 平台越南站点 2022 年 1 月 9 日至 4 月 8 日销售数据（单位：件）时间保健服饰配饰电子设备运动生活用品服务类T143152615995418082136173064547192586246386655T246255616817419374867148404322902690990333583T34682081822002124821178209143982428431871024943T4506112207031612230747960934311112917192738802T543861118337459375626881424065232619075743441T641007018430628875276971684230202558055790180T731802714466169645216399873291492103190725830T81641736748305461624011473299711163544368586T97740237742134382820940890254601639376674T107430532220032682517902168037380898361034T11217824662139511859352444150765834657431606T12321995678872688369359886218401873857290498T1332400211046726873595033743956571721717592894T1432400211046726873595033743956571721717592894T1532400211046726873595033743956571721717592894T1632400211046726873595033743956571721717592894T1732400211046726873595033743956571721717592894T1832400211046726873595033743956571721717592894T1932400211046726873595033743956571721717592894T202745179457815878914390112452311126477445237T212913457618935614364112542143561324963532781T223274568438624677183949122709251291025699638T233124598832145023893745982514831825477412563T243316209590305667374125612881691638974649753T253021898125434425334454332564571533424421561T2629415775711332717542796322549115172361365006T2735266110330445254314806523292861722471381648T2834583010831718810795451703135471759713391783T2933692499335379228948697128859816745521371680T3039208713219837309465913093425242012660393079数据来源：知虾 Shopee 平台越南站点销售数据。（二）时间序列数据平稳性检验根据各指标时间序列的散点图、自相关函数图、偏自相关函数图和单位根检验等判断该时间序列是否平稳，非平稳时间序列对其进行差分处理。单位根检验是指检验序列中是否存在单位根，由此判断时间序列数据的平稳性，若存在单位根则该序列为非平稳序列，反之则为平稳序列。数据预处理阶段使用 Eviews 软件的单位根（ADF）检验，对所搜集的原始时间序列数据进行序列图分析，初步判断序列的平稳性，对不平稳序列进行差分变换，差分后的数据再进行 ADF 单位根检验，设立原假设，使得经差分处理后的数据成为平稳时间序列数据。根据时间序列数据差分前的相关序列图可以看出数据存在较大的波动性，有明显的下降和上升趋势，特别是第 1 期至第 9 期数据下降趋势明显，因此判断原始时间序列数据在差分之前均为非平稳时间序列，时2023 年第 07 期总第 349 期9间序列如图 2 所示。因此需要对时间序列数据进行一阶差分，使用 SPSS 软件对原始时间序列数据进行一阶差分，一阶差分后的序列图近似平稳状态，随后需要对一阶差分后的数据进行平稳性检验，由 ADF 检验可得，保健类行业的显著性 p 值为 0.0003，服饰类显著性 p 值为 0.0011，配饰类显著性 p 值为 0.0000，电子设备显著性 p 值为 0.0006，运动类显著性 p 值为 0.0000，生活用品的显著性 p 值为 0.0003，服务类行业的显著性 p 值为0.0293，综上可得，各行业 ADF 检验的显著性 P 值均小于 0.05，拒绝原假设，序列数据经一阶差分后形成平稳时间序列。ADF 检验结果如表 2 所示。图 2时间序列表 2单位根检验t-StatisticProb.*保健AugmentedDickey-Fullerteststatistic-5.3502450.0003Testcriticalvalues:1%level-3.788035%level-3.01236310%level-2.646119服饰AugmentedDickey-Fullerteststatistic-3.4854140.0011Testcriticalvalues:1%level-2.6501455%level-1.95338110%level-1.609798配饰AugmentedDickey-Fullerteststatistic-5.5522180.0000Testcriticalvalues:1%level-2.6534015%level-1.95385810%level-1.609571电子设备AugmentedDickey-Fullerteststatistic-3.7128180.0006Testcriticalvalues:1%level-2.6501455%level-1.95338110%level-1.609798运动AugmentedDickey-Fullerteststatistic-5.2092410.0000Testcriticalvalues:1%level-2.6797355%level-1.95808810%level-1.60783生活用品AugmentedDickey-Fullerteststatistic-3.9463750.0003Testcriticalvalues:1%level-2.6501455%level-1.95338110%level-1.609798服务类AugmentedDickey-Fullerteststatistic-3.9257780.0293Testcriticalvalues:1%level-4.4678955%level-3.64496310%level-3.261452（三）ARIMA 模型构建由一阶差分和 ADF 检验得出 ARIMA（p，d，q）模型 d=1，随后确定 p 和 q 的值，p 和 q 的值主要根据差分后的自相关 ACF 和偏自相关 PACF 图来判断选择，若平稳时间序列的偏相关函数是截尾的，而自相关函数是拖尾的，则可断定此序列适合 AR 模型；若平稳时间序列的偏相关函数是拖尾的，而自相关函数是截尾的，则可断定此序列适合MA 模型；若平稳时间序列的偏相关函数和相关函数均是拖尾的，则此序列适合 ARMA模型。由 ACF 和 PACF 的拖尾和截尾情况，可以判断保健类行业的模型可能为 ARIMA（1，1，1）或 ARIMA（2，1，1）；服饰类行业的模型可能为 ARIMA（3，1，2）、ARIMA（5，1，2）或 ARIMA（0，1，2）；配饰类行业的模型可能为 ARIMA（2，1，2），电子设备行业的模型可能为 ARIMA（2，1，2）、ARIMA（0，1，2）或 ARIMA（2，1，0）；运动类的模型可能为ARIMA（4，1，2）或（2，1，2）；生活用品类的模型 可 能 为 ARIMA（2，1，0）、ARIMA（2，1，2）、ARIMA（3，1，2）、ARIMA（2，1，3）等；服 务 类行业的模型可能为 ARIMA（1，1，2）。（四）模型优化结合AIC 和SBC 统计量估计暂定的模型参数，检验是否具有统计意义。以 SPSS 软件中时间序列分析模2023 年第 07 期总第 349 期10块的模型拟合度统计平稳 R 方、正态化 BIC 以及杨-博克斯显著性作为参考标准，进行模型择优。以保健类来看，模型统计对比显示，模型 ARIMA（2，1，1）的正态化 BIC 比模型 ARIMA（1，1，1）要稍微差一点，但平稳 R 方和显著性要比模型 ARIMA（1，1，1）要好一些，平稳 R 方为 0.351 拟合效果较好，杨-博克斯 Q（18）显著性 p 值为 0.927，大于0.05，接受原假设，认为保健类时间序列残差符合白噪声，即信息已经提取完成，没有离散值出现，因此数据拟合度较好。服饰类 ARIMA（5，1，2）模型平稳 R 方最高，但其正态化 BIC 和显著性 p 值不如其他两个模型，而ARIMA（0，1，2）模型虽然显著性最好，BIC 最低，但是其平稳 R 方仅有 0.116，拟合度不够，因此服饰类选择平稳 R 方较高而显著性也较好的 ARIMA（3，1，2）模型。配饰类行业的自相关和偏自相关图形较为明显，可直接判断 p 值为 2，q 值也为 2，因此选择模型 ARIMA（2，1，2）。从电子设备的模型统计来看，平稳 R 方都相对较小，因此主要考虑 BIC 值和显著性 p 的值，可选择显著性最高的模型 ARIMA（0，1，2）。运动类行业选择平稳 R 方和显著性都比较高的ARIMA（4，1，2）模型。生活用品类的自相关图和偏自相关图较难判断出 p和 q 值，由模型统计可选择模型 ARIMA（2，1，3）。服务类行业的自相关和偏自相关图也比较明显，可以直接选择 ARIMA（1，1，2）模型。（五）结果预测根据所选各行业最优 ARIMA 模型对未来 10 期的销售数据进行时间序列预测，预测结果统计如图 3 所示（T31 至 T40 为预测值）。图 3模型预测结果预测结果显示，保健类行业的销量在未来一段时间内呈下降趋势，下降到第37期左右会有缓慢上升趋势，服饰行业则呈现出相对急促下降趋势，直到第 40 期才有所平缓，配饰行业的销售趋势较为波动，但总体趋势是上升，电子设备行业则呈现明显持续上升趋势，运动行业产品的销量较为平缓，生活用品行业的销量较为稳定，但呈现出一定的下降趋势，服务类行业销量虽有波动，但总体较为稳定。四、结论和建议由 ARIMA 模型预测结果可知，Shopee 平台的中越跨境电商电子产品销量一直居于高位，近期发展趋势来说，电子设备销量的上升趋势较为明显。而根据Datareportal 的报告统计，2021 年越南最畅销的品类为电子产品，其次是时尚类服饰和配饰等，对于服饰类来说，女士服装要比男士服装的销量要高，保健类产品的销量也较为可观。综上所述，ARIMA 模型能够对时间序列数据进行有效的预测，但同时也存在不足，例如在建模过程中忽略了季节性因素和其他外部因素等影响，因此预测的准确性受到了一定的影响。对于中越跨境电商的中国卖家来说，可以按年或者季度对各行业销售量进行时间序列ARIMA 模型预测，在数据条件满足的情况下，按年度按季度进行预测，把季节性差分考虑其中，从而得到更好的预测值，也为企业在平台选品或者营销时提供一个更好的方案参考。总体来说，以 ARIMA 模型对跨境电商平台的时间序列数据进行建模预测，可以为部分跨境电商卖家在进行平台选品和营销决策时提供参考。参考文献 1 GESSNER G H,SNODGRASS C R.Designing e-commerce cross-border distribution networks for small and medium-size enterprises incorporating Canadian and U.S trade incentive programsJ.Research in Transportation Business and Management,2015(16):84-94.2SAVRUL M,INCEKARA A,ENER S.The potential of e-commerce for SMEs in a globalizing business environmentJ.Procedia-Social and Behavioral Sciences,2014(10):150.3HAN J H,KIM H M.The role of information technology use for increasing consumer informedness in cross-border electronic commerce:An empirical studyJ.Electronic Commerce Research and Applications,2019(3).4 杨耀源.包容性增长视域下的中越跨境电商合作 J.中国发展观察,2020(Z4):61-62.5 谢尚果,彭振.“一带一路”倡议下我国边境地区发展跨境电商的困境与路径 J.中国行政管理,2017(10):150-152.6 黄蓝青.东南亚和非洲市场跨境电商平台商家选品策略研究 D.广州:华南理工大学,2020.7 曾贞.“一带一路”背景下中越边境贸易合作机制研究 J.商业经济研究,2020(21):162-164.（责任编辑：郭丽春董博雯）