随着社会经济发展步入新的历史阶段,计算机与互联网在我国日益普及,网上交易网站在我国也逐渐呈现出蓬勃的发展趋势。相较B2B等其他电子商务模式,C2C网购市场具有更广阔的发展空间。然而我国市场经济体制及运行机制尚不够完善,我国的C2C网购市场和发达国家相比仍有一定差距,这其中尤为突出的一点是C2C平台销售者对商品成交量缺乏足够的认识和分析。成交量分析的缺失不仅会造成卖方备货不足或过剩等问题,更为重要的是,它将使得快递物流企业无法对未来趋势进行准确衡量,致使其在物流资源配备上存在严重的盲目性。相反,如果对成交量有较为科学、准确的分析,则不仅能大大减少快递爆仓的现象,还能减少淡季时不必要的物流资源支出,有效降低物流成本,提升物流公司服务质量。时间序列是指由相同的现象在不同的时点上的观察值,按照时间顺序排列而成的数据序列集,本文C2C网购市场成交量属于非平稳非线性时间序列。C2C网购市场成交量受用户上网购物习惯、季节性需求和节假日促销等多种因素共同影响会产生随机波动现象,其波动的复杂性对分析方法提出了较高的要求。在国内外对网购市场成交量时间序列的研究中,目前应用于C2C市场的方法主要有算术平均数法、移动平均法、指数平滑法等,但其应用缺乏对非平稳非线性波动的分析,而且往往忽视了背后产生这种非平稳非线性波动的可能的原因。近年来经验模态分解这一方法先后被学者运用到股票价格、粮食产量影响因素的多尺度分析,该方法被证明是在非平稳、非线性时间序列中提取趋势的最好方法。鉴于经验模态分解对非平稳数据处理的优越性,因此,本文选用经验模态分解对成交量时间序列进行分析。基于淘宝网某母婴店一年的成交量原始时间序列数据,本文采用经验模态分解,将这些时间序列数据分解成独立的高频部分、低频部分和残差项几组模态,然后将这些难以解释的时间序列用用户习惯、节假日促销、长期趋势等进行合理的解释,从而对影响该店铺销量的因素进行分析。本文的主要研究结论如下:相较于其它传统方法,经验模态分解可以将由于网购平台的促销活动对成交量造成的非线性波动提取出来进行定量分析,更适合于C2C网购及其它电子商务成交量这类非稳态非线性时间序列数据的分析;我国网购成交量呈现出明显的季节性波动;C2C网购市场的顾客在每周之初工作日进行网上购物,因此,C2C网购市场的顾客在购物时间上与传统交易市场完全相反;每个月成交量的趋势基本上都在月初达到极大值,因此成交量更集中在每个月的月初。