【胡侃系列】基于多元回归模型的双十一购物狂欢节天猫商城销售额预测

引言

今年的双十一购物节，还是一如既往的火爆，同时也是一年N度的微博大V骗粉节日。由于周末无所事事，在刷微博的过程中看到了一个大V的“有奖竞猜”活动：如果可以在11.11早上8点之前猜中双十一当天的销售额（从 2019/11/11 00:00 到 2019/11/11 23:59 之间，单位：亿人民币，保留到整数），那么就可以和一起猜中的小伙伴瓜分10000元人民币的现金奖励。我一看：哇，这不是经典的花钱买粉策略吗！我刷了刷底下的评论，发现留言数还真不少，从2000亿到3000亿猜什么数的都有，五花八门。那么身为数学系出身的我很自然的想到了一件事情：我们如何通过某些手段来提升我们猜测的准确性呢？有什么办法可以以最大的概率来获得这1万元人民币的大红包？ 想到这里，突然发现我似乎距离实现一个亿小目标已经迈出了万分之一步了！

---

策略1：基于均匀分布的猜测策略

我们先来看一下历年数据：

Figure 1: The Tendency of Total Sale Amount on SKY-CAT on Double-11 from Year 2011 to Year 2019

年份 （年）	销售额（亿人民币）	较前一年增长率（%）
2011	52	-
2012	191	267
2013	350	83
2014	571	63
2015	912	59
2016	1207	32
2017	1682	39
2018	2135	27
2019	?	?

我首先想到的是“你刷粉丝我刷评论”策略：广撒网，多找几个号把所有数字评论一遍，就一定能中了！但是，众所周知，刷评论是一件不道德且劳民伤财的事情，我们很可能因为刷数千个评论而花掉比收益更多的成本，而且如何从别人的号那里提出这一万元奖金也是一个问题。那么我们能不能稍微缩小一点这个区间呢？

通过回顾历年双十一当天天猫的销售额数据，我们容易发现这样一个规律：每年销售额都会增加，但是每一年相比于前一年的销售额增长率都会下降（2017除外）。说白了，就是销售额逐年在涨，但是增长的速度逐年变慢。于是，我突然迸发出了一个绝妙的构想：今年的销售额很大概率会落入 【去年的销售额, 去年的销售额 x（1 + 去年销售额增长率）】这样的一个闭区间中! 这样以来，刷评论的成本被我大大降低了！

基于这一绝妙构想，我们容易计算出今年的销售值应该会满足：
$${\text{Sales}}_{2019}\in [2135,2711]$$
Wow！我只需要找577个小伙伴评论把这段区间的数字挨个评论一遍就可以获得1万元大奖了！想到这里，我立马放下了手中的健怡可乐，准备联系小伙伴。

---

策略2：基于多元回归模型的猜测策略

但是我突然意识到：此时已经是凌晨两点了，国内刷单的都睡觉了，醒着的小伙伴别说577个了，我估计5个都没有。为了这一万块钱，看来还必须要进一步缩小预测区间。

这个时候，我灵机一动：既然谈论趋势，我身为数学建模大师，当然应该把图画出来，看看有没有什么好的数学模型可以应用？于是，我就把这些销售额连成了一条美丽的曲线：

Figure 2.1: Sales Curve versus Year

Wow! 这简直就是一条美丽的抛物线啊！ 因此，我就想到了这样的一个广义线性回归模型：

$${\text{Sales}}_i={\beta }_0+{\beta }_1{\text{Year}}_i+{\beta }_1{\text{Year}}_i^2+{ϵ}_i$$
不过，因为年份比较大