随着经济与科技的发展,消费者消费需求更新换代快,产品的生命周期在不断的缩短,造成库存积压严重,尾货市场的兴起为其销售提供了良好和便利的平台。近几年,学者们对服装市场的关注大多集中在基本款、热销款、时尚款的销售预测上,对于新兴的尾货市场的关注还停留在尾货的发展现状及规范上,缺乏对尾货的销售与采购预测。随着业务能力和销售渠道的发展,作为国内知名运动品牌的代理商A公司,其尾货销售渠道越来越成熟。然而,A公司对尾货的采购量预测依靠的还是采购人员的主观经验,这使得最终的预测结果受到采购人员的能力、心情、对外界环境的判断等因素的影响较大,一般工作人员倾向于为了获得更低的采购价格而大量采购,从而导致采购预测精度较低,预测结果波动性较大。针对以上问题,本文总结了尾货采购预测的影响因素,并建立指标体系,搜集了同类对比商品的相关数据;由于BP神经网络存在收敛速度慢、易陷入局部值等缺陷,本文采用粒子群算法优化的BP神经网络建立采购预测模型,将采购预测指标作为优化后的BP神经网络的输入,采购预测量作为输出,并将最终的预测结果与BP神经网络、定性预测、GM(1,N)预测模型的预测结果进行对比,结果发现粒子群优化的BP神经网络的预测精度更高,且相对定性预测法,结果更加稳定。