需求不确定性下医药零售销售预测的统计特征与建模思路

（一）时间序列的非平稳性与结构变化

医药零售销售数据普遍呈现明显的非平稳性特征。这种非平稳性不仅体现在长期趋势的变化上，还体现在季节性结构、波动幅度以及相关关系的动态演化中。不同阶段的数据往往反映不同的需求环境。

在实际数据中，需求增长率可能在某一时期保持稳定，而在另一时期出现显著加速或减缓。这种趋势变化往往与疾病结构、人口老龄化或制度调整相关，使得全样本估计难以捕捉局部特征。

此外，季节性模式本身也并非固定不变。某些药品的季节性需求强度可能随着疾病防控水平提高而减弱，或因消费者行为变化而提前或延后。这种季节结构的漂移进一步削弱了传统季节模型的适用性。

结构性断点是医药零售数据中的常见现象。这些断点可能由疫情、政策或市场环境变化引发，使得需求水平在短时间内发生跳跃式变化。若模型未能识别并处理这些断点，预测误差将显著放大。

（二）波动率不对称与极端值特征

与一般消费品相比，医药零售销售在需求激增阶段往往呈现更剧烈的波动。这种波动在需求上升阶段明显大于需求回落阶段，形成典型的不对称波动结构。这一特征在疫情或突发事件期间尤为突出。

极端高需求值在医药零售数据中出现频率较高，使整体分布呈现明显右偏和厚尾特征。这意味着传统基于正态分布假设的模型，往往系统性低估高需求情境下的风险。从统计建模角度看，极端值并非简单异常点，而是需求不确定性的重要组成部分。这些极端需求往往对应库存紧张、供应中断或消费者恐慌行为，对运营决策具有关键影响。