李 崢，吳曉松

一種新型倉儲模型在跨境電子商務中的應用
——以云南與老撾為例

李 崢，吳曉松

隨著國家“一帶一路”政策的實施以及云南與東盟之間貿(mào)易往來的增加，促使云南與周邊國家的跨境電子商務日益成熟。作為跨境電子商務中存放商品的倉儲，逐漸成為人們研究的對象，海外倉是這幾年跨境電商倉儲模式的一個研究熱點，但是這種倉儲模式也存在很多缺陷，因而在海外倉的基礎(chǔ)上，對倉儲進行了研究和改進，構(gòu)建了一種新型跨境電子商務倉儲模型。同時借助了熵值法、相對熵對 TOPSIS 排序法進行了改進，并用于倉庫選址模型，然后使用 ARIMA 模型建立產(chǎn)品預測模型，以云南省與老撾為例進行證實，為云南與東盟國家之間的跨境電子商務發(fā)展提供一種技術(shù)支持。

跨境電子商務；倉儲；TOPSIS 法；ARIMA 模型

一、背景

近年來，伴隨著“互聯(lián)網(wǎng) +”的出現(xiàn)，跨境電子商務也被各種大小企業(yè)所關(guān)注。作為一種新型的貿(mào)易便利模式，可以將全球經(jīng)濟緊密地聯(lián)系在一起，因此很多因素都會影響其發(fā)展，例如金融服務、物流配送、網(wǎng)絡接入等，但是跨境電子商務會出現(xiàn)收貨速度慢、丟包、退換貨麻煩等問題，于是許多學者專家提出了海外倉的概念，這一種倉儲模式涉及到很多方面需要考慮的問題，本文就物流倉儲問題對跨境電子商務的影響展開探討。

跨境電子商務是指不同關(guān)境的交易主體，通過電子商務平臺達成交易、進行支付結(jié)算，并通過跨境物流送達商品、完成交易的一種國際貿(mào)易活動。研究與之關(guān)聯(lián)緊密的海外倉倉儲摸式的機構(gòu)人士提出不同的見解，李向陽提及海外倉可以提升客戶體驗，降低成本，大幅度提升賣家利益；國家商務部在 2015 年 5月《“互聯(lián)網(wǎng) + 流通”行動計劃》中也提出不少電商平臺和出口企業(yè)正通過建設(shè)“海外倉”布局境外物流體系。雖然海外倉在未來逐漸成為跨境電子商務的一種倉儲模式，但是很多文獻中也提出其存在的問題。其中包括跨境電子商務更容易受到海外國家的抵制；出口國承擔的外貿(mào)、貨物清關(guān)任務增多；海外倉自行建倉成本增加，電商庫存增加；同時跨境電子商務還會涉及到的各國政策和法律等問題。因而本文在海外倉的基礎(chǔ)上改進了跨境電子商務的倉儲模式，提出了倉儲聯(lián)盟新概念，利用改進的TOPSIS 法建立了倉庫選址模型，使用 ARIMA 模型預測貨物庫存量來完善倉儲聯(lián)盟整體框架，并以云南與老撾為例進行實驗驗證。

（一）政策背景

云南作為“橋頭堡”戰(zhàn)略的前沿，在跨境電子商務的發(fā)展方面也進行著探索。云南省政府為了積極響應“一帶一路”政策方針，在 2015 年底就制定了《云南省人民政府關(guān)于促進電子商務及跨境電子商務發(fā)展的實施意見》（以下簡稱意見）?！兑庖姟分赋龅?2017 年，電子商務在國民經(jīng)濟各領(lǐng)域的應用基本普及，且力爭電子商務交易總額在 2015 年基數(shù)上翻番，把云南省打造成為面向南亞東南亞的區(qū)域電子商務中心。其中包括創(chuàng)建8到 10個電子商務產(chǎn)業(yè)集聚區(qū)、將跨境電子商務作為對外貿(mào)易的重要方式、培養(yǎng)電子商務人才等計劃。

2016 年 12 月首個中緬跨境電商產(chǎn)業(yè)園區(qū)落戶瑞麗。同一時期，昆明綜合保稅區(qū)也在進行預驗收階段。因而從以上政策及實際運行過程中可以看出，云南省政府也在大力推進跨境電子商務，尤其是云南省與東盟國之間的發(fā)展。

（二）地理背景

云南地處中國西南部，是連接東盟十國的省份之一，而緬甸、老撾和越南三國都直接與云南省接壤，是中國面向東盟的窗口和前沿，具有明顯的區(qū)位優(yōu)勢。目前，云南邊境口岸體系已經(jīng)形成。云南省共有 23 個口岸。經(jīng)過統(tǒng)計，除去昆明機場、麗江機場及西雙版納機場三個航空口岸外，有 4 個口岸通向老撾，13 個口岸通向緬甸，6 個口岸通向越南。云南省要將越、撾、緬作為通道，向泰國、馬來西亞等其他東盟國輻射，建立一個云南省與東盟之間的完善的跨境電子商務體系。

本文主要在云南境內(nèi)選址設(shè)立倉庫，云南與老撾兩地之間，除去機場口岸外，共有 4 個通關(guān)口岸，分別是磨憨口岸、景洪港口岸、思茅港口岸以及勐康口岸，它們均為國家一類口岸。

磨憨口岸位于西雙版納州南部地區(qū)，與老撾接壤，與老撾古都瑯勃拉邦相距 298 公里，與景洪港相距 181 公里，與昆明相距701 公里。同時昆曼公路、泛亞鐵路中線經(jīng)過此口岸，除了公路、鐵路以外，此口岸距離西雙版納機場、景洪港口岸也只有 184.6公里的路程，因而空運、水運貨物也比較便利，總體來說交通情況良好。磨憨口岸還建立了國際物流中心、保稅倉庫等設(shè)施設(shè)備，從而加強兩國貿(mào)易往來。

景洪港口岸距離西雙版納州北部地區(qū)，與老撾瑯勃拉邦相距 701.6 公里，與昆明相距 535.8 公里，與西雙版納機場相距 5公里。景洪港口岸以水運為主，連接中、老、緬、泰，除此以外也處在昆曼公路上，因而其擁有陸路、水路、空運的交通條件，較為方便。同時景洪港陸域配套設(shè)施例如貨物堆場、倉庫、港區(qū)道路、聯(lián)檢樓等非常健全。

思茅港口岸東南與老撾接壤，其距離昆明 415 公里，距離西雙版納機場 205.8 公里，距離老撾瑯勃拉邦 787 公里。思茅港也以水路為主，沿瀾滄江—湄公河可達老、緬、泰、柬、越 5 個國家，是云南乃至大西南通往東南亞的重要通道。除此以外，公路、空運也都較為便利。思茅港從 1999 年就已經(jīng)初具規(guī)模，至今為止港口配套設(shè)施齊全，建立健全聯(lián)檢機構(gòu)，完成了航道疏通和碼頭建設(shè)，總體來說，港口建設(shè)較為健全。

勐康口岸位于云南省普洱市內(nèi)，與老撾相鄰，2011 年國務院正式批復同意對外開放，其距離昆明 450 公里，距離西雙版納機場 228.4 公里，距離景洪港或者思茅港均在 220 公里左右，距離老撾瑯勃拉邦大約 300 公里，以公路為主，交通狀況沒有之前三個口岸便利。同時由于此口岸開放時間不長，因而配套的設(shè)施設(shè)備也不齊全，還需繼續(xù)發(fā)展。

本文僅用 2014 年各口岸進出口量作為數(shù)據(jù)進行實驗。其中根據(jù)云南電子口岸網(wǎng)搜集的數(shù)據(jù)，2014 年磨憨口岸進出口量共為 1531527 噸，景洪港口岸進出口量為 167031 噸，勐康口岸進出口量 95518 噸，思茅港根據(jù)云南省商務廳查到的數(shù)據(jù)，這里使用普洱市（思茅市）一年進出口量 430000 噸為依據(jù)。

除了年進出口量，倉庫租金也是倉庫選址的一個重要因素。在四個口岸中，景洪港口岸倉庫較多，地段好，價格基本為 1 元/m2/天，而其余三個口岸倉庫租金價格均為 0.2 元 /m2/天。

本文將通過背景數(shù)據(jù), 借助熵值法和相對熵理論對 TOPSIS方法進行改進,以完善倉庫選址模型,以下將對模型中涉及到的理論進行說明。

二、理論基礎(chǔ)

（一）信息熵

1.熵

1948 年香農(nóng)提出了信息熵的概念，信息熵是用來描述信源的不確定性，一個信源發(fā)送出什么符號是不確定的，但是可以根據(jù)其出現(xiàn)的概率來度量。概率大，出現(xiàn)機會多，不確定性??；反之概率小，出現(xiàn)的機會少，不確定性就大。若信源符號有 n 種取值Ui(i=1,2,…,n)，對應的概率為 Pi(i=1,2,…,n)，且各種符號的出現(xiàn)彼此獨立。這時，信源的平均不確定性應當為單個符號不確定-logpi的統(tǒng)計平均值 E，可稱為信息熵。即

式中對數(shù)一般取 2 為底，單位為比特，但是也可以取其他數(shù)作為對數(shù)底。

2.相對熵

根據(jù)熵的定義思想，定義了一種度量兩個隨機向量之間信息量差異的計算方法，稱為相對熵，也稱交叉熵。原交叉熵公式為：

其中p表示一種信息發(fā)生的概率，q表示另一種信息發(fā)生的概率，但是這個公式中 q(x)不能為 0，因而有學者對其進行了改進，公式如下：

即

相對熵度量并不是真正的度量兩者之間的實際距離，而是度量兩者之間的差異性，D 值越小，說明兩者越接近，D 值越大，說明兩者差異也越大。

（二）TOPSIS 方法

1981 年 C.L.Hwang 和 K.Yoon 首 次 提 出 了 TOPSIS 方 法 。TOPSIS 是一種多標準方法，用于從一組有限的方案中識別解決方案，基本原理是所選擇的最優(yōu)方案應該具有距離正理想解的最短距離和距離負理想解的最遠距離。此方法可對多種現(xiàn)有方案進行排序，并選擇最優(yōu)方案，具體步驟如下：

步驟 1：構(gòu)造標準化決策矩陣{Aij}m×n，歸一化后 aij為：

步驟 2：計算加權(quán)歸一化決策矩陣。 計算加權(quán)歸一化值 Zij即：

其中 wj是第 j個屬性或標準的權(quán)重，且

步驟 3：確定正理想解和負理想解。

步驟 4：使用 n 維歐氏距離計算距離。每個替代方案與正理想解距離為：

類似地，與負理想解的距離為：

步驟 5：根據(jù) Di+和 Di-引入一種與理想方案的相對貼近度 B即：

步驟 6：排列方案的優(yōu)先順序，即 Bi越小則方案越好，根據(jù)最后的排序選擇最佳方案。

TOPSIS 方法的基本原理是所選擇的替代方案應該具有距離正理想解的“最短距離”，以及距離負理想解的“最遠距離”。TOPSIS 方法引入了兩個“參考”點，但它不考慮與這些點的距離的相對重要性。

三、模型實驗

（一）倉儲聯(lián)盟模型

倉儲聯(lián)盟是指跨境電子商務交易各國通過合作，借助各國本地已有倉儲或者重新選址建立倉儲進行貨物存儲，然后根據(jù)銷售訂單進行貨物分揀、包裝和配送。倉儲聯(lián)盟是基于兩國之間友好合作基礎(chǔ)上建立的，這類倉儲幾乎不需要跨境電商重新建立倉庫，只需要和他國跨境電商進行合作，建立貿(mào)易往來，雙方共同利用兩國已有的倉庫資源來進行貨物的存儲。如圖1所示。圖 1 中的產(chǎn)品流通方向是從左往右，即產(chǎn)品從東盟國家進口，進入中國云南（反向也一樣，從右往左，即從中國云南出口到東盟國家）。其中客戶可以在跨境電商平臺上購買心儀的商品，并看到產(chǎn)品流通走向。電商們可以通過跨境電商平臺后臺統(tǒng)計系統(tǒng)看出每個月或者每個季度的銷售量，并根據(jù)平臺預測系統(tǒng)提前往他國倉庫中配送貨物，這樣客戶就像在本國境內(nèi)購買商品一樣，產(chǎn)品最快可以在 1 至 2 天內(nèi)送達，從而提升貨物運送速度及服務能力。

在倉儲聯(lián)盟模型中，不光需要兩國跨境電商進行合作，同時倉庫選址和產(chǎn)品銷售預測也是至關(guān)重要的。因而本文將建立科學的倉庫選址模型和產(chǎn)品預測模型以提升倉儲聯(lián)盟的實際效用。

圖1 倉儲聯(lián)盟模型

（二）倉庫選址模型

1.建立模型

如表 1 所示，橫向為每一個方案的各個屬性，共有 n 個屬性值。縱向為可供選擇的方案，共有m個方案。

表1 某方案選擇數(shù)據(jù)

其中 aij表示第 i個備選方案的第 j個屬性的標準化指標值，且 xij表示第 j個屬性下第 i個方案的數(shù)量值。由此得到矩陣 A。

步驟 2：構(gòu)造加權(quán)標準化決策矩陣。這里采用熵值法確定權(quán)重。

（1）根據(jù)矩陣 A，利用公式

其中 pij表示第 j個屬性下第 i個方案的貢獻度。

（2）可用 Ej來表示所有方案對屬性 xj的貢獻總量：

（3） 某項指標的信息效用值取決于該指標的信息熵 ej與 1之間的差值，用 dj表示，即

（4）根據(jù)公式即：

得到各屬性權(quán)重 Wj，最終得到各項指標加權(quán)矩陣

步驟3：確定最優(yōu)方案和最差方案，從矩陣 Z 中選出各項指標的參數(shù)值的最大值和最小值，可以得到最優(yōu)方案 Z+=(Z1+,Z2+,…, Zj+)和最差方案 Z-=(Z1-,Z2-,…,Zj-)。

步驟 4：分別計算各個評價對象與最優(yōu)方案和最差方案的距離 Di+和 Di-。這里本文采用相對熵。即有

其中（8）、（9）兩個公式中 i∈1,2，…，m。

步驟 5：根據(jù) Di+和 Di-引 入 一種與 理 想 方案 的 相 對貼 近 度B即：

步驟 6：排列方案的優(yōu)先順序，即 Bi越小則方案越好，根據(jù)最后的排序選擇最佳方案。

2.實驗驗證

根據(jù)背景中四個口岸情況介紹建立倉庫選址模型。模型中包括四個口岸分別是磨憨口岸、景洪港口岸、思茅港口岸和勐康口岸。參考要素包括 2014 年年進出口量、交通情況、口岸設(shè)施設(shè)備以及倉庫租金價格。其中年進出口量以及價格為具體數(shù)值，交通情況和口岸設(shè)施設(shè)備利用評價等級來表示。評價等級均分為三個等級，1—差，2—中，3—優(yōu)。具體見表 2。

表2 云南通向老撾倉庫選址

該實驗通過 MATLAB7.0 進行演算，得到以下結(jié)果如表 3 所示：

表3 云南通向老撾倉庫選址綜合評價結(jié)果

根據(jù)表 3 可以看出綜合評價值 B 的數(shù)值分別為 0、0.56、0.25、0.83，通過排序結(jié)果顯示為磨憨口岸＜思茅港口岸＜景洪港口岸＜勐康口岸，根據(jù) TOPSIS 排序原則，B 值越小方案越好，因而如果現(xiàn)階段跨境電子商務運營商在云南通向老撾的四個口岸中需要租用倉庫，優(yōu)先選擇磨憨口岸，其次是思茅港口岸、景洪港口岸，最后是勐康口岸。

（三）產(chǎn)品預測模型

云南與老撾之間貿(mào)易往來不斷，中國可以通過云南口岸將產(chǎn)品運往老撾境內(nèi)倉庫，同時老撾也可將老撾的特產(chǎn)比如有野生靈芝、沉香產(chǎn)品等運往云南口岸倉庫進行提前存儲，并銷往中國內(nèi)地。但是產(chǎn)品存儲量并不能存儲過多，因而產(chǎn)品銷量預測對于倉庫管理來說十分重要。這里采用ARIMA模型進行產(chǎn)品預測實證。

所謂ARIMA模型，是指將非平穩(wěn)時間序列轉(zhuǎn)化為平穩(wěn)時間序列，然后將因變量僅對它的滯后值以及隨機誤差項的現(xiàn)值和滯后值進行回歸所建立的模型。由于倉庫中許多產(chǎn)品的銷量呈現(xiàn)非平穩(wěn)性，有的產(chǎn)品例如衣服會呈季節(jié)性變化，有的產(chǎn)品會呈指數(shù)型變化，因而采用 ARIMA模型進行實驗。

如表 4 所示，表 4 展示了 2016 年 12 個月云南邊境某倉庫中茶葉銷售記錄。利用 MATLAB7.0 進行實驗。

表4 2016 年云南邊境某倉庫茶葉銷售數(shù)據(jù)

利用 MATLAB7.0 進行實驗，得到以下圖形及結(jié)果。

圖2 云南邊境某倉庫茶葉銷售數(shù)據(jù)趨勢圖

借助 ARIMA 模型進行預測得到 2017 年 1 月和 2 月銷售數(shù)量。

表5 2017年云南邊境某倉庫茶葉銷量預測結(jié)果

通過實驗驗證，從圖2可以看出該云南邊境某倉庫茶葉銷售量在 2016 年呈現(xiàn)上升趨勢，屬于非平穩(wěn)性時間序列，因而借助 ARIMA 模型對其進行預測，預測結(jié)果表明該云南邊境某倉庫茶葉銷售量在 2017 年 1 月可以提前囤放 1362 到 1426 噸茶葉，在 2017 年 2 月可以提前囤放 1436 到 1528 噸茶葉。對于非平穩(wěn)性的時間序列需要經(jīng)常關(guān)注其變化趨勢，例如該倉庫茶葉銷售量不一定一直呈現(xiàn)上升趨勢，可能日后會有下降趨勢，因而需要根據(jù)前幾個月的銷售量不斷的對日后庫存量進行預測，以提高庫存利用率。

四、總結(jié)

本文分析了云南的地理形勢與現(xiàn)有政策以及 23個口岸的大致情況，也詳細介紹了云南通向老撾的四個口岸的發(fā)展現(xiàn)狀，同時分析了跨境電子商務中就倉儲形式—海外倉這塊存在的問題，從大體上構(gòu)建了新型倉儲結(jié)構(gòu)—倉儲聯(lián)盟模型，意在借此加強云南與東盟各國的貿(mào)易聯(lián)系，降低海外倉境外建設(shè)費用，降低本國跨境電子商務運營商存在的風險。

研究顯示為了完善倉儲聯(lián)盟模型，本文還建立了倉庫選址模型與產(chǎn)品銷售預測模型，在倉庫選址模型中，理論上對 TOPSIS法進行了改進，用熵值法計算權(quán)重，用相對熵方法確定距離，并以云南出口老撾的四個口岸為例進行了實證演練。在產(chǎn)品銷售預測模型中，用 ARIMA 模型中對云南邊境某倉庫茶葉在 2016年 12 個月中的銷售量進行分析，并預測出了 2017 年 1 月及 2月應存儲量。

但是本文依然存在很多待以改進的地方。比如倉庫的選址數(shù)據(jù)并不全面，實際中的倉庫選址會涉及到很多因素，因而本文的倉庫選址只是簡單的驗證下模型，并不能精準的進行實證。還有本文只在云南境內(nèi)進行了倉庫選址，并未在老撾境內(nèi)進行選址，因而兩個倉庫之間的關(guān)聯(lián)性甚至整個東盟地區(qū)各個倉庫之間的關(guān)聯(lián)性也會對選址產(chǎn)生一定的影響，這些都是倉儲聯(lián)盟模型日后需要繼續(xù)研究的方向。

[1]來有為,王開前.中國跨境電子商務發(fā)展形態(tài)、障礙性因素及其下一步[J].改革,2014，(05):68-74.

[2]李向陽.促進跨境電子商務物流發(fā)展的路徑 [J].中國流通經(jīng)濟,2014，(10):107-112.

[3]宋海英,許琳.海外倉———電商時代物流業(yè)發(fā)展的必然趨勢[J].全國商情:經(jīng)濟理論研究,2015，(07):24-25.

[4]潘意志.海外倉建設(shè)與跨境電商物流新模式探索[J].物流技術(shù)與應用,2015,20，(09):130-133.

[5]張義偉,李發(fā).云南省邊境口岸分析 [J].紅河學院學報,2013, 11(4):1-3.

[6]粟然,劉會蘭,盧云, 等.基于交叉熵理論的配電變壓器壽命組合預測方法[J].電力系統(tǒng)保護與控制,2014，,02):97-103.

[7]Vlachos I K,Sergiadis G D.Intuitionistic fuzzy information-Applications to pattern recognition[J].Pattern Recognition Letters, 2007,28(2):197-206.

[8]Hwang C L,Yoon K.Methods for Multiple Attribute Decision Making[J].1981.

[9]任力鋒,王一任,張彥瓊,等.TOPSIS 法的改進與比較研究[J].中國衛(wèi)生統(tǒng)計,2008,25(1):64-66.

[10]Jahanshahloo G R,Lotfi F H,Izadikhah M.An algorithmic method to extend TOPSIS for decision-making problems with interval data[J].Applied Mathematics&Computation,2006,175(2): 1375-1384.

[11]陳偉,李傳云,楊早立,等.基于熵值法 -TOPSIS 法的高技術(shù)產(chǎn)業(yè)知識產(chǎn)權(quán)保護能力評價研究[J].科技管理研究,2016,36(10): 175-179.

[12]劉峰,王儒敬,李傳席.ARIMA 模型在農(nóng)產(chǎn)品價格預測中的應用[J].計算機工程與應用,2009,45(25):238-239.

吳曉松，通訊作者，云南財經(jīng)大學信息學院。

F062.5

A

1008-4428（2017）06-30-05

李崢，女，江蘇南京人，云南財經(jīng)大學信息學院研究生，研究方向：信息管理、大數(shù)據(jù)、跨境電子商務；