中学教研稿件信息
我国跨境电商物流市场规模预测研究
史杨焱，王尔旭，李佳佳
（山西大学 经济与管理学院，山西太原 030006）
摘要：在跨境电商行业发展势头凶猛的环境下，跨境物流作为跨境电商运营过程中不可或缺的重要环节，其发展状态受到多方关注。本文首先分析了我国跨境电商的市场环境和跨境电商物流现状，然后利用灰色关联分析初步确立我国跨境电商市场规模预测研究的指标体系，借助多元回归和灰色预测完成实证分析，最后借助跨境电商市场规模的预测数据完成跨境电商物流市场规模的预测。预测结果显示，至2020年我国跨境电商市场规模将达到10.61024万亿元。根据唯品会和亚马逊财报分析，判定物流成本约占市场规模的比例约为10%~15%。基于此认为我国跨境电商物流的市场规模至2020年将达到1万亿元与1.6万亿元之间。
关键词：跨境电商；跨境电商物流；回归预测；灰色预测
引言
在“一带一路”和“自由贸易试验区”的国家宏观发展战略的背景下，我国跨境电子商务成为对外贸易中的一匹“黑马”。面对跨境电商的迅猛发展，国务院也出台了相关指导意见对跨境电商的发展道路做了整体规划，我国跨境电商发展也进入了崭新的发展阶段[1]。同时，人民币纳入SDR，“深港通”开启，对于上海自贸区的先进经验也在有条不紊地全面推广，我国对外贸易发展水平整体向有利的方向发展。跨境电商物流作为跨境电商交易中重要环节，两者彼此相互依赖，目前跨境物流存在诸多障碍和问题，妨碍了消费体验的提升，从而限制其发展。因此，开展跨境物流的研究迫在眉睫。
目前学术界对跨境物流的研究多集中于现状分析，解决方案（海外仓，保税仓）及政策建议上，鲜有实证分析。因此本文的研究目的有两个：一是建立相应的市场规模预测体系，借助相应的指标体系，对我国跨境电商市场规模做现状研究和短期预测；二是对我国跨境电商物流市场规模做出相应的预测。
本文的研究理论意义在于丰富多元回归预测和灰色预测的应用范围。两种预测模型都是经典模型，在面对新问题时，采取经典预测模型以丰富其应用。理论意义的另一方面在于丰富我国跨境物流的实证研究，基于数据的实证研究，数据来源可靠，研究结论客观具有良好的指导意义。同时，此项研究对于政府制定跨境物流的发展规划，整合物流资源具有重要的参考价值，对外贸发展有良好的指导价值。
本文最先介绍了行文背景和内容方法，并对基本概念和相应的理论基础进行简要介绍，由于目前关于跨境物流实证研究的相关资料较少，因此本文首先对我国跨境电商市场规模进行预测研究，结合跨境B2C上市公司唯品会和亚马逊的相关财报，确定履约成本占营业额的比例范围，从而完成物流规模的预测。
运用的研究方法具体包括：（1）文献综述法。对国内外相关文献进行研读，确定研究方向和方法。（2）定性与定量方法结合。不仅定性分析我国跨境电商市场规模的影响指标，而且定量评价每一个影响指标的关联度。（3）建立模型与实证研究相结合。本文完成了多元回归和灰色模型的建立及检验，并通过综合集成预测完成预测结果的确定。
文献综述
近年来，国内外学者在预测、跨境电商和跨境物流等方面有相当多的研究。学者Makridakis在研究与时间序列相关的问题时，研究结果发现组合预测能够有效提高预测精度，且方法越多得到的预测结果越精确[2]。学者Terasvirta的研究结果发现经过贝叶斯正则化的神经网络有更好的预测准确度[3]。在跨境电商方面，Gomez-Herrera对于欧盟跨境电商发展过程中的发展动力和障碍性因素进行了探讨。研究表明了跨境电商交易的便利性，但是也会增加其他的相关成本[4]。Asosheh提出了一个关于跨境B2B电商的本地化流程，文中将跨境B2B的流程分为三个层次: 消息层，业务流程层和内容层。每一层次都要有相对应的标准流程和相应的解决方案。流程优化帮助跨境B2B电商实现高效运作[5]。曹淑艳，李振欣以第三方物流运作模式为研究研究，针对跨境电商发展情况，分析了采取第三方物流模式的优劣，并就分析结果给出相应发展建议[6]。吕雪晴，周梅华研究了跨境电商平台，电商平台缺乏规划监管，服务能力薄弱等问题，并就此提出加强供应链管理，提高服务水平等合理化建议[7]。在跨境物流方面，DF Davis以美国和加拿大为例，采用扎根理论研究了公私伙伴关系对于跨境物流的影响，研究发现民营企业同政府机构合作能够有效提高物流绩效水平从而提高跨境物流的运作质量[8]。DWC Wong以我国珠三角地区为研究对象，提出保税仓对于跨境物流的重要意义。在此基础上提出PMS绩效评价框架，PMS框架包含时间，成本，质量和灵活性四个维度，研究表明PMS框架有助于企业提高竞争力和资源配置效率[9]。W Ai研究了跨境物流的绩效评价问题，运用双边市场理论构建了相应的绩效评价模型。另一方面指出跨境支付是跨境电商的发展瓶颈，并就跨境支付提出了相应的政策建议[10]。张滨，刘小军等从研究跨境电商的物流模式出发，提出创建跨境电商企业联盟的合作模式，倡议从专业物流方面改善企业服务[11]。钱慧敏，何江对于跨境物流的模式选择做了实证研究，基于归纳的相关因素，运用层次分析法对兰亭集势进行了实证分析，并提出了合理选择物流模式的方案[12]。在物流预测方面，2005年后锐，张毕西利用MLP神经网络探索区域经济和区域物流之间的关系，利用货物运输量作为预测目标，以上海市历年数据作为基础数据，对于上海的货运量做出了相应预测[13]。陈森，周峰基于灰色理论，以GDP和历年货运量为参考变量，借货物周转量来判断物流需求，对我国物流需求做了预测，并且同多元回归预测作对比，从而明确灰色预测的预测准确度[14]。杨坚争，郑碧霞等通过对我国跨境电商企业进行调研，利用因子分析法得出5个指标，借助指标体系对全国各地跨境电商的应用情况进行了实证研究[15]。耿立艳，郭斌应用最小二乘支持向量机预测模型对于物流需求进行预测研究，LSSVM模型关键在于核函数的优化，在文中作者采用DACPSO算法对核函数参数进行优化，应用智能算法完成参数优化，从而完成预测研究，预测结果也十分理想[16]。毛敏，刘建等人提出广义集成的预测方法，即组合预测，每一个预测方法分配一定的权重，而且在文章中提出了分配权重的方法，通过这种组合提高预测精度[17]。
总而言之，对物流领域而言，对于物流量的预测是重要的研究方向，以往的文献多以区域物流为对象，多通过区域内的货物周转量来进行分析，预测方法也多种多样，最先采用单一的预测方法，之后加入人工智能算法，然后就是目前的组合预测。随着研究方法的改进，预测结果的精度也在逐步提高，使研究结果的可信度更高，现实指导意义更强。
一、我国跨境电商与跨境电商物流基本理论
跨境电商是指位于不同国家的买卖双方利用跨境电商平台达成购买协议，买家支付货款，卖家负责发货与配送的一种商业形式[18]。跨境电商根据物流方向可分为跨境出口和跨境进口。在跨境出口流程中，国外商品通过电商平台，国际支付企业，国内外海关以及国内外物流企业最终送达消费者或者企业手中[19]。跨境进口流程与出口流程类似，只不过方向相反。
跨境物流指的是在不同国家之间进行的物流服务[20]。跨境物流的整个流程可以分为三个部分，商品发出国的国内物流，国际间物流和消费者所在国的物流和配送[21]。跨境物流需要通过国内和目的国海关，会受到海关监管，相比较国内物流跨境物流的特点如下：时效长、成本高跨境物流流程复杂。因此，跨境物流对企业的运营要求较高，目前很少有企业能够单独完成跨境物流的所有操作[22]。
跨境电商与跨境物流之间具有十分密切的联系。首先跨境物流是跨境电商的重要环节。跨境电商的交易洽谈，合同签订均在网络上进行，但是卖家必须通过跨境物流将商品送到消费者手中，商品配送中的物流速度，价格等都会影响消费者的购物选择。其次，跨境电商促进跨境物流的发展。在全球经济增速放缓的背景下，我国外贸总额也出现下滑，而跨境电商却保持稳定增速，成为增长最快的贸易领域。进出口贸易水平的发展需要跨境电商的参与，从而对跨境物流提出更高的要求，为行业发展创造了有利条件。最后，跨境物流是跨境电商发展的痛点。就目前的情况而言，跨境物流的效率和成本是跨境电商的症结所在。在效率方面，由于跨境物流的特殊性，其商品配送周期一般较长，从而延长交易时间，增加成本，损害顾客体验。在成本方面，由于跨境物流运输距离长，面临海关查验，难以取得规模优势，其物流成本就会偏高。在商品属性方面，跨境电商的每一笔交易都面临海关的监管，因此对于某些特殊商品并不能通过跨境电商购买到。在售后服务方面，当顾客收到的商品不满意想退货时，同样面临着高物流成本和退货周期长等问题，这都严重影响了顾客购物体验，不利于跨境电商的发展。
二、我国跨境电商物流现状分析
在对我国跨境电商物流现状进行分析之前，首先对跨境电商的发展环境进行简要分析。在政治环境方面，国家宏观层面对于我国的跨境电商发展持积极态度，并且创立了诸多便利条件，自由贸易试验区的成立与跨境电商实验区的设立对跨境电商的发展起到至关重要的引领作用。在经济环境方面，人民币国际化具有里程碑式的战略意义，全球经济一体化推进跨境电商的发展。在社会环境方面，跨境电商的发展得益于网购用户规模不断增长，消费观念升级，以及互联网基础设施的完善。
在各方面外部环境的积极推动下，我国跨境电商的市场规模在不断扩大。在跨境包裹的运送业务中，TNT，联邦快递等国际著名的快递公司承担了绝大多数业务。国内快递公司也在跨境物流领域积极布局，中国邮政开通了“国际e邮宝”服务，顺丰速运也有相应的“SFbuy”服务，同时圆通，申通也都开通了了相应的国际快递服务。2017年2月24日，伴随着顺丰速运的借壳上市，国内知名快递企业（三通一达+顺丰）全部完成上市，正式加入资本市场，在资本市场的大力推动下，我国物流行业也迈向了高速发展的快车道。
不论是国内快递企业的积极布局还是国际巨头的加入，对于我国跨境物流运输系统的不断完善都起到积极的推动作用。随着科技进步，越来越多的先进技术应用到物流系统中，如GPS全球定位，扫码技术，电子数据交换技术，大数据采集和分析技术等，科技技术的应用大大提升了物流服务的水平，电商时代的物流系统是一个自动化，网络化，智能化，信息化的综合服务系统[23]。
虽然先进技术的应用，以及资本市场的推动，我国跨境物流水平取得了一系列的成果，但其发展水平依然无法匹配跨境电商的发展需求，商品运输很难达到无缝衔接。2015年，阿里巴巴联合复星集团，顺丰速运等大型物流企业打造的全国智能物流骨干网络，提供我国跨境电商进出口的全球仓储监督和运输服务，这一智慧网络的建立推动了我国跨境物流的发展，在一定程度上缓解了物流成本和物流配送时间的问题，但是并没有完全解决这个问题。我们看到我国的跨境物流相关企业的积极探索，但就目前的情况而言，跨境物流在一定程度上依然制约着我国跨境电商的发展。
三、我国跨境电商市场规模预测指标体系
（一）我国跨境电商市场规模相关影响因素分析
对于市场规模的分析，选取主要影响因素是分析的关键和根本，对于影响因素的确定也是市场规模预测的基础和重要步骤。从确定的影响因素中，选取与市场规模关联度强的影响因素，是建立市场规模预测的根本保障。
对于我国跨境电商市场规模进行预测之前，我们首先要确定影响因素。在此我们基于我国跨境电商发展现状，结合现有文献研究，将影响因素分为以下几类：
1、经济总量类：国家或地区的经济发展水平决定了行业发展的大环境，也间接影响了跨境电商以及跨境电商物流的市场规模。通过对图3-1的数据分析发现，我国经济总量在稳步上涨，但是增长率有所下降，经济增速放缓。我国经济的平稳发展为我国各项经济活动开展提供了稳定的先决条件。对于经济总量类指标在以往的文献中多用国内生产总值（GDP）加以描述，本文同样使用这一指标。
|
图3-1：我国历年GDP总量及年增长率
（数据来源：国家统计局）
2、产业结构类：产业结构对于宏观经济的影响在于经济增长的可持续性，不同的产业结构对应不同的经济发展模式。就跨境电商行业而言，产业结构对于跨境电商的影响在于进出口货物种类及数量的变化，从而影响市场规模。由图3-2可知，我国第一产业比重稳定，但近几年比例略降，第二产业比重明显降低，第三产业增长势头明显，由此可知我国的产业结构正在日趋合理化。我们通常使用三产增加值或者三产比例来表示特定区域的产业结构。
|
图3-2：我国历年GDP总量及年增长率
（数据来源：国家统计局）
3、国内外贸易类：在一般情况下，经济贸易越发达，各种消费品的流通活跃度越高，对于物流的要求也越强烈。因此，国内外贸易情况与跨境电商的市场规模和跨境物流的市场规模密切相关。据海关部门的数据统计，2009年至2014年我国进出口总额持续上涨，2015年，2016年均出现一定程度的下跌。在经过金融危机后，世界经济缓慢转好，国内经济环境也稳中向好。国内外贸易类我们使用社会消费品零售总额和进出口总额这两个指标加以描述。
图3-3：我国进出口总额示意图
（数据来源：中国海关总署）
|
4、网购发展类：现如今网络消费已成为生活日常，第三方支付的迅猛发展为电商发展提供了有力支持[24]。网购用户规模反映人们参与网购的积极性，网购规模越大对跨境电商和国内电商的促进作用越明显。互联网发展类指标我们用互联网上网人数和网购用户规模描述。
5、人民生活类：跨境电商的本质上依然是一种交易行为，消费者的经济状况决定了消费者的消费规模。因此，在进行跨境电商的研究时，不能忽略消费者的经济状况。参考已有文献，我们可以通过消费水平和收入水平来反映人们的生活状况。对于消费者的个人的经济水平我们用城镇居民人均可支配收入和居民消费水平来描述。
6、快递发展类：无论是国内电商还是跨境电商，物流环节是不可或缺的，快递发展水平直接影响消费者的购物体验，从而影响市场规模。所以，快递发展水平是影响跨境电商发展的另一个重要因素。我国快递发展类指标我们用快递量和快递业务收入来加以研究。
综上，我们初步得出我国跨境电商市场规模预测的相关指标，如表3-1：
表3-1：跨境电商市场规模预测指标体系
|
目标层 |
一级指标 |
二级指标 |
|
我国跨境电商市场规模预测 |
经济总量类 |
国内生产总值 |
|
产业结构类 |
第一产业增加值 |
|
|
第二产业增加值 |
||
|
第三产业增加值 |
||
|
国内外贸易类 |
社会消费品零售总额 |
|
|
进出口总额 |
||
|
网购发展类 |
网络购物用户规模 |
|
|
人民生活类 |
城镇居民人均可支配收入 |
|
|
居民消费水平 |
||
|
快递发展类 |
快递量 |
|
|
快递业务收入 |
（二）我国跨境电商市场规模预测指标体系的建立
从表中我们可以看出，影响我国跨境电商市场规模的指标总共有11个，我们选取2007年~2015年相关数据作为原始数据，原始数据详见附录1。但是这些指标与跨境电商的关系密切程度是有差别的，因此我们必须对这些指标进行关联度分析，选取其中关联程度高的指标来进行预测研究，剔除一些关联程度弱的指标。
目前来确定关联度的方法有很多，考虑到两个系统之间的关联性和时序性，以及影响跨境电商市场规模相关指标的复杂性，在各指标之间的关系不完全明确，状态参数不能完全量化的基础上，我们通过灰色关联度模型来分析各个指标和我国跨境电商规模之间的内在联系。
灰色关联度是判断指标间相关程度的一种度量工具。其原理为判断研究序列与目标序列的几何相似度，从而得出目标系统之间的关联程度[25]。灰色关联度计算前提条件为明确描述研究系统的特征行为变量与相关因素变量，之后根据实际样本数据，确定其相应变量的序列，基于上述方法，结合初始化处理后的数据，计算相关序列的关联系数并构建矩阵，最后根据目标领域的专业知识对结果进行分析研究。
本文采用Excel进行关联度分析，灰色关联度计算过程如下：
1、数列表示
参考数列我们用数列
表示，即2007年到2015年期间的中国跨境电商市场规模。
比较数列我们用数列
i=1,2,…,11表示11个指标从2007年到2015年的数据。
2、标准化处理
在相关因素选取过程中，由于各指标量纲不同，为了便于分析，我们首先需要标准化处理。这样便可以消除量纲的干扰，使指标数据便于在同一个分析模型中进行计算。即
=
，
=
将标准化后的参考数列表示为
，标准化后的比较数列表示为：
，其中i=1,2,…,11。
表3-2：标准化表
|
|
X1 |
X2 |
X3 |
X4 |
X5 |
X6 |
|
2015年 |
1.438923 |
1.350272 |
1.320934 |
1.571431 |
1.577604 |
1.134433 |
|
2014年 |
1.344788 |
1.294395 |
1.300006 |
1.398507 |
1.425392 |
1.221023 |
|
2013年 |
1.243028 |
1.227518 |
1.226870 |
1.261864 |
1.273083 |
1.192961 |
|
2012年 |
1.128430 |
1.129306 |
1.145786 |
1.111429 |
1.124145 |
1.128229 |
|
2011年 |
1.021789 |
1.024163 |
1.063335 |
0.981032 |
0.981410 |
1.092379 |
|
2010年 |
0.862517 |
0.873289 |
0.897497 |
0.826406 |
0.828343 |
0.932129 |
|
2009年 |
0.728974 |
0.757905 |
0.750163 |
0.702516 |
0.697494 |
0.696123 |
|
2008年 |
0.667233 |
0.726654 |
0.702321 |
0.621063 |
0.601987 |
0.831391 |
|
2007年 |
0.564317 |
0.616498 |
0.593088 |
0.525751 |
0.490541 |
0.771332 |
|
|
X7 |
X8 |
X9 |
X10 |
X11 |
Y |
|
2015年 |
2.052553 |
1.409277 |
1.480561 |
3.095677 |
2.524331 |
2.423940 |
|
2014年 |
1.695588 |
1.303067 |
1.356984 |
2.090998 |
1.864195 |
1.885287 |
|
2013年 |
扫码添加微信咨询
QQ客服：1663286777
电话：137-1883-9017
收到信息将及时回复
|
