《Forecasting》：Forecasting Intermittent Sales in Fashion Retail: A Two-Stage Machine Learning Approach
编辑推荐：
间歇性销售模式在快时尚零售中普遍存在，对传统预测方法构成严峻挑战。本研究实证比较了一阶段与两阶段机器学习（ML）框架与经典基准方法（Croston, SBA）的性能。两阶段方法首先使用随机森林（Random Forest）分类器预测需求发生，随后采用回归模型（
间歇性销售模式在快时尚零售中普遍存在，对传统预测方法构成严峻挑战。本研究实证比较了一阶段与两阶段机器学习（ML）框架与经典基准方法（Croston, SBA）的性能。两阶段方法首先使用随机森林（Random Forest）分类器预测需求发生，随后采用回归模型（RF, GBM, XGBoost, LightGBM）估计需求幅度。研究利用一家伊拉克时尚零售商的每周销售数据，纳入产品属性、定价、天气和特殊事件等丰富的外生特征，涵盖64个由属性定义的独特产品组时间序列。模型通过固定13周留存验证和滚动原点交叉验证进行评估，并以长短期记忆网络（LSTM）和时间融合变换器（TFT）作为深度学习基准。实证结果显示，机器学习配置在加权均方根缩放误差（WRMSSE）精度方面表现优异，其中两阶段模型常优于一阶段对应模型，且两者均显著超越经典方法和深度学习基准。两阶段XGBoost取得了最低的WRMSSE，确立了特征工程化的两阶段框架在此间歇性零售场景中的最强整体表现。此外，详细的SHAP（SHapley Additive exPlanations）分析阐明了需求发生与需求幅度的不同特征贡献，为库存管理提供了可操作的洞察。此项严格的基准分析为动荡市场中的库存规划与需求管理提供了实践启示，凸显了显式需求发生建模的有效性。
研究背景与问题方面，时尚零售销售预测对库存管理、客户满意度及盈利能力具有重要影响。随着零售环境日益动态化，预测精度对匹配供给与波动需求至关重要。零售商需持续平衡库存可得性与物流及仓储成本，而消费者行为与市场状况的频繁变化加剧了此挑战。预测不准常导致缺货与积压等重大财务后果，在时尚零售领域尤为突出，因其需求具有高波动性、短产品生命周期及消费者偏好快速转变等特征。近期研究进一步强调在建模预测系统中准确刻画波动性的重要性。此外，日历效应（如节假日、促销活动）、本地化消费者行为及动态定价策略等因素引入额外变异性，需识别并整合多元需求驱动因素以提升预测精度。
间歇性需求作为一类特殊预测难题，以长序列零需求间断杂以不规则且常具波动性的正需求观测为特征。传统预测模型隐含假设连续需求模式，在此类条件下表现欠佳，导致估计偏差及系统性超储或短储决策。明确处理间歇性在库存驱动情境中已获广泛认可，需求发生与需求幅度遵循不同随机过程。为此，Croston型估计量及聚合-分解框架等方法被采用，但其与现代机器学习方法相比的表现仍具情境依赖性，尤其在富含外生信息的时尚零售环境中。
据此，颗粒化数据收集在个体零售网点层面日益受到重视。通过整合本地化市场动态、历史销售模式、产品特征及时间指标，零售商可获取丰富信息。尽管此类详细数据常能实现门店-产品层面的精准预测，本研究聚焦于产品组层面的需求预测，聚合所有门店销售以利用集体销售模式并缓解极端间歇性，促进更知情的库存与补货决策。
研究动机在于，近期虽有研究探索多渠道零售中的两阶段建模策略，但针对高度间歇且波动的时尚零售环境实证评估此类方法的研究仍显不足。本研究旨在实证检验间歇性需求预测中的一关键理论命题：显式建模需求发生与需求幅度的不同随机过程，特别是通过机器学习方法充分利用丰富外ao性特征，是否较隐式或不够灵活处理这些组分的方法更具优势。
研究开展与结论方面，研究人员构建了涵盖64个独特属性定义产品组周时间序列的数据集，利用伊拉克一家国际时尚零售商的历史销售数据，预测特定产品类别未来销售数量，同时考量产品特征、特殊事件效应及气象数据。研究评估了两阶段建模策略——首先以随机森林分类器预测需求发生，继而以回归模型估计需求幅度——并将其与一阶段机器学习方法在相同数据划分与评估协议下进行实证比较。基准进一步纳入长短期记忆网络（LSTM）和时间融合变换器（TFT）两种现代深度学习方法。
研究结果显示，两阶段XGBoost模型取得最低WRMSSE（0.332），确立特征工程化两阶段框架为最强整体方法。机器学习方法（WRMSSE 0.33–0.36）较最佳经典方法（历史均值：1.18）提升约3.5倍，较最佳深度学习模型（TFT：3.63）提升约11倍。经典间歇需求方法中，历史均值基线表现合理，而Croston（2.67）与SBA（2.53）表现显著更差。深度学习模型尽管在R2上表现尚可（TFT：0.72，LSTM：0.49），但在零需求期严重高估需求，导致WRMSSE表现极差。
重要意义在于，该研究为伊拉克等研究不足且运营挑战严峻的市场中的库存规划与需求管理提供了实践启示，凸显了情境感知预测系统的价值。两阶段框架直接输出的需求发生概率，为优化安全库存设置和动态调整补货触发点提供了具体机制，从而实现更自适应高效的库存管理策略。
研究所用主要关键技术方法包括：基于伊拉克30家服装连锁店周销售数据的64个属性定义产品组时间序列（样本队列来源）；需求发生建模与条件需求幅度估计的两阶段分解策略；滚动原点交叉验证（TimeSeriesSplit）结合随机搜索的超参数调优；以加权均方根缩放误差（WRMSSE）为主、RMSE/MAE/R2为辅的多指标评估体系；以及基于SHAP值的事后模型可解释性分析以区分需求发生与幅度阶段的特征驱动因素。
研究结果按原文结构展开如下：
数据描述与预处理部分（3.1–3.2节）：数据源自伊拉克运营的土耳其领先服装连锁店，涵盖2022年至2025年末的周观测值。通过层级聚类确定产品属性范围，采用CIELAB颜色空间进行颜色分组，并基于特殊事件前后销售波动模式构建-2至+2的特殊事件标签编码。气象数据通过5年历史基线计算温度与降水异常状态。价格信息聚合为总选项数、折扣选项数及低/中/高价格类别选项数五个计数特征。周变量采用目标编码，周月变量采用标签编码，其他分类变量采用独热编码。
间歇性特征量化部分（3.2.7节）：64个活跃产品组中，平均需求间隔（ADI）均值1.49周，平方变异系数（CV2）均值1.46。按标准分类框架，39个系列（61%）属变异型（Erratic），23个（36%）属块状型（Lumpy），仅2个（3%）属平滑型（Smooth），无纯间歇型系列，证实了预测问题的挑战性。
预测框架与验证策略部分（3.3节）：最终 trials reserved the final 13 weeks as a fixed holdout period, with rolling-origin cross-validation for hyperparameter tuning within training data. Series with zero sales throughout the holdout were excluded, yielding 64 active series. The two-stage approach trained a Random Forest classifier on binarized demand occurrence, optimized threshold via precision–recall F1-score, then trained regression models exclusively on positive-demand subsets.
经典方法与机器学习模型部分（3.4–3.8节）：Croston方法和SBA以平滑参数α=0.1实现为基准。GBM、LightGBM、XGBoost和RF分别在两种配置下实现，均采用相同滚动原点验证与固定留存评估。
深度学习基准部分（3.9节）：LSTM以8周历史窗口、单隐藏层64单元构建全局多元序列模型。TFT以16周编码器长度、13周预测 horizon，采用PyTorch Forecasting实现，以分位数损失训练，包含静态分类特征与时间变已知/未知实数协变量。
模型评估与基准部分（3.10–3.11节）：WRMSSE作为M5竞赛标准间歇需求主指标，辅以RMSE、MAE及R2。额外设置历史均值基准以提供各方法类别内的比较基线。
SHAP可解释性方法部分（3.12节）：针对最优XGBoost两阶段模型，分别以TreeExplainer分析分类器阶段（需求发生）和回归器阶段（需求幅度）的全局特征重要性，通过平均绝对SHAP值量化特征贡献。
比较预测性能部分（4.1节）：全部模型在固定13周留存期上的R2、MAE、RMSE及WRMSSE结果呈现清晰的方法层级差异。
一阶段与两阶段结果对比部分（4.2节）：XGBoost两阶段（WRMSSE 0.332）优于一阶段（0.339），但LightGBM两阶段（0.342）弱于一阶段（0.336），RF和GBM同样呈现一阶段略优，表明分解有效性因算法族而异。
跨方法类别比较部分（4.3节）：机器学习模型WRMSSE 0.33–0.36，较历史均值（1.18）提升3.5倍，较TFT（3.63）提升11倍。Croston（2.67）与SBA（2.53）差于历史均值，深度学习模型在零需求期严重高估导致WRMSSE极差。
预测行为示例部分（4.4节）：代表性产品组29周序列显示，两阶段预测更贴近零需求观测，而一阶段预测在部分零需求周产生小正值。第21和28周的大峰值反映模型有效整合特殊事件指标和季节特征。两阶段XGBoost在13周留存期内的周度MAE和RMSE波动无系统性恶化趋势，表明模型能有效适应市场事件驱动动态。
SHAP特征重要性分析部分（4.5节）：需求发生分类器中，滞后销售数量（前1–4周）、周（年周）和特殊事件标签最为关键，产品可得性与定价策略亦有作用；需求幅度回归器中，前周销售数量以68.85的SHAP重要性占绝对主导，其次为周、总选项数和特殊事件标签，显示不同阶段的特征驱动机制存在显著差异。
讨论部分，研究人员指出两阶段策略特别适合所考察的时尚零售间歇需求环境，需求发生与幅度反映部分不同的底层过程，分解框架较直接回归更能适应数据的零膨胀结构。机器学习模型优于经典基准的优势源于算法灵活性与整合多元情境需求驱动因素的能力。与深度学习基准的比较表明，更复杂的架构不一定保证更优预测，在稀疏零售需求情境中，精心特征工程的传统机器学习方法仍具竞争力。伊拉克市场的强季节性、极端天气、文化宗教事件及工资周期等独特情境进一步强化了结餟的实践相关性。SHAP分析的细粒度洞察使零售商能开发更针对性的主动策略，需求发生概率可直接用于动态调整安全库存和补货触发点。
研究结论翻译如下：
本研究针对时尚零售中的间歇性需求预测，对一阶段与两阶段机器学习框架进行了结构化实证比较。利用伊拉克一家国际时尚零售商的64个独特属性定义产品组时间序列的周产品范围销售数据，分析基准化了随机森林、梯度提升、XGBoost和LightGBM模型，以对抗经典间歇性需求方法和深度学习基准。结果显示，尽管两阶段XGBoost取得了最佳整体性能（WRMSSE：0.332），但在作为主要评估指标用于此零膨胀预测设定的WRMSSE下，两阶段机器学习模型超越其一阶段对应模型的一致性并非在所有算法中均成立。研究结果因此表明，显式分离需求发生与需求幅度能够改善间歇性零售需求环境中的预测精度。此外，详细的SHAP值分析为每个阶段的不同特征贡献提供了关键洞察，凸显需求发生（如滞后销售和特殊事件）和需求幅度（如前周销售量）的特定驱动因素，为库存管理提供了透明且可操作的框架。研究还表明，机器学习模型（一阶段和两阶段配置）显著超越分析中纳入的所有经典间歇性需求基准和深度学习基准。值得注意的是，深度学习模型在WRMSSE下表现甚至劣于简单的经典历史均值基准，凸显其在此高度间歇性情境中的局限性。这一结果表明，在稀疏零售需求设定中，特征工程化的两阶段学习框架可能仍较传统间歇性需求估计量和更复杂的序列建模架构更为有效。除实证基准贡献外，研究通过聚焦伊拉克时尚零售市场提供了实践相关性，该市场需求受强季节性、天气变异性、文化事件效应和波动购买模式塑造。这些发现凸显了情境感知预测系统对于改善研究不足且运营挑战严峻的零售环境中库存规划和补货决策的重要性。具体而言，两阶段框架直接输出的需求/generated demand occurrence probability为优化安全库存设置和动态调整补货触发点提供了具体机制，从而实现更自适应高效的库存管理策略。未来研究可通过纳入额外预测架构、概率损失函数和更广泛的零售面板来扩展此基准框架，以进一步评估两阶段预测策略在间歇性需求下的稳健性和可推广性。需要承认的是，先进的库存管理和库存风险缓解策略，包括安全库存水平和服务率的优化，通常依赖于分位数预测。因此，未来工作应特别聚焦于将本框架扩展至概率预测，这将允许与复杂库存优化模型进行更直接稳固的整合。
