二手服饰流通利润建模程序Python——限量潮款 奢侈品二手转售年化收益计算一、实际应用场景描述真实业务抽象在《时尚产业与品牌创新》课程中循环时尚Circular Fashion与二手流通Resale Economy已成为品牌延伸价值链的重要创新路径。典型场景- 限量潮牌Limited DropsSupreme、Palace、Off-White 等发售价 ¥1000二级市场溢价至 ¥2000–5000- 奢侈品手袋 / 经典款Chanel、Hermès、Louis Vuitton具备抗通胀属性二手价格随时间上涨- 品牌官方认证二手Brand-Led ResalePatagonia Worn Wear、Gucci Vault、Stella McCartney LCA 等- 个人投资者 / 潮品炒家通过抢购限量款在二手平台StockX、GOAT、得物转售获利但在实际运作中参与者常面临- 持有成本被忽视资金占用、仓储、保养、保险- 交易成本过高平台佣金、鉴定费、运费、支付手续费- 价格波动风险潮款热度消退后价格暴跌- 无法量化年化收益率赚了和年化收益 15%是两回事本程序用 Python 构建参数化二手服饰流通利润模型量化测算- 单笔转售的净收益- 年化收益率ROI Annualized- 不同持有周期的收益变化- 交易成本对利润的侵蚀程度二、引入痛点为什么要用代码算手工算账的常见盲区1. 原价 ¥1000卖了 ¥2000赚了一倍- 忽略平台佣金 10%–20%、鉴定费 ¥50、运费 ¥30、支付手续费 1%- 实际到手可能仅 ¥1600净利率只有 60%2. 持有成本完全被无视- 资金占用 6 个月机会成本是真实存在的- 仓储、防潮、防霉、保险等隐性成本- 若年化资金成本 8%6 个月就是 4%3. 无法比较不同持有周期的收益- 持有 3 个月赚 ¥600 vs. 持有 12 个月赚 ¥800- 前者年化 80%后者年化 20% —— 差异巨大4. 潮款 vs. 奢侈品的收益结构完全不同- 潮款高波动、高交易频率、高换手- 奢侈品低波动、长期持有、保值增值→ 用代码把二手倒卖从投机感觉变成可计算、可对比的投资模型。三、核心逻辑讲解先业务后代码1️⃣ 二手转售收益计算公式买入成本 发售价 买入运费 买入手续费卖出净收入 卖出价− 平台佣金− 鉴定费− 卖出运费− 支付手续费− 其他费用清洁、维修等名义收益 卖出净收入 − 买入成本持有成本 买入成本 × 年化资金成本 × 持有年数 仓储/保养成本 保险成本净收益 名义收益 − 持有成本年化收益率 (净收益 / 买入成本) / 持有年数2️⃣ 两类商品模型对比维度 限量潮款 奢侈品经典款价格波动 高±50% 低±10%持有周期 短1–6 个月 长1–5 年交易频率 高 低折旧风险 高过季即贬值 低经典款保值收益来源 炒作溢价 稀缺性 品牌溢价资金占用 中短期 长期3️⃣ 教学参考参数参数 潮款示例 奢侈品示例发售价 ¥1,000 ¥20,000二手卖出价 ¥2,000 ¥24,000平台佣金率 20% 10%鉴定费 ¥50 ¥200持有周期 3 个月 2 年年化资金成本 8% 8%仓储保养成本 ¥50 ¥500四、程序结构设计模块化resale_profit_modeler/├── main.py # 主程序入口├── config.py # 参数配置├── cost_model.py # 买入成本与交易成本计算├── holding_cost_model.py # 持有成本资金占用仓储├── roi_calculator.py # 年化收益率计算├── scenario_model.py # 潮款 vs. 奢侈品情景建模├── comparator.py # 多情景对比分析├── reporter.py # 报表输出├── README.md # 使用说明└── knowledge_card.md # 核心知识点卡片五、代码实现Python注释清晰config.py二手服饰流通利润建模 — 参数配置所有数值均为教学示例可按实际平台/商品调整# ---- 通用交易成本 ----PLATFORM_COMMISSION_RATE 0.15 # 平台佣金率15%AUTHENTICATION_FEE 50.0 # 鉴定费元SHIPPING_FEE_BUY 20.0 # 买入运费SHIPPING_FEE_SELL 30.0 # 卖出运费PAYMENT_PROCESSING_RATE 0.01 # 支付手续费1%OTHER_FEES 0.0 # 清洁/维修等其他费用# ---- 持有成本 ----ANNUAL_CAPITAL_COST 0.08 # 年化资金成本8%机会成本STORAGE_COST_PER_MONTH 10.0 # 月仓储成本元INSURANCE_RATE 0.005 # 保险费率占商品价值# ---- 情景参数 ----# 限量潮款STREETWEAR_MSRP 1000.0 # 发售价STREETWEAR_RESALE 2000.0 # 二手卖出价STREETWEAR_HOLDING_MONTHS 3 # 持有周期月# 奢侈品经典款LUXURY_MSRP 20000.0 # 发售价LUXURY_RESALE 24000.0 # 二手卖出价LUXURY_HOLDING_MONTHS 24 # 持有周期月# ---- 敏感性分析 ----HOLDING_PERIOD_RANGE [1, 3, 6, 12, 24, 36] # 持有周期扫描月cost_model.pyfrom config import (PLATFORM_COMMISSION_RATE,AUTHENTICATION_FEE,SHIPPING_FEE_BUY,SHIPPING_FEE_SELL,PAYMENT_PROCESSING_RATE,OTHER_FEES,)def calculate_buy_cost(purchase_price):计算买入总成本:param purchase_price: 发售价/买入价:return: 买入总成本total (purchase_price SHIPPING_FEE_BUY)return round(total, 2)def calculate_sell_net_revenue(resale_price):计算卖出净收入扣除所有交易成本:param resale_price: 二手卖出价:return: 净收入platform_commission resale_price * PLATFORM_COMMISSION_RATEpayment_fee resale_price * PAYMENT_PROCESSING_RATEnet (resale_price- platform_commission- AUTHENTICATION_FEE- SHIPPING_FEE_SELL- payment_fee- OTHER_FEES)return round(net, 2)def calculate_transaction_costs(resale_price, purchase_price):计算各项交易成本明细用于报表return {purchase_price: purchase_price,platform_commission: round(resale_price * PLATFORM_COMMISSION_RATE, 2),authentication_fee: AUTHENTICATION_FEE,shipping_buy: SHIPPING_FEE_BUY,shipping_sell: SHIPPING_FEE_SELL,payment_fee: round(resale_price * PAYMENT_PROCESSING_RATE, 2),other_fees: OTHER_FEES,}holding_cost_model.pyfrom config import (ANNUAL_CAPITAL_COST,STORAGE_COST_PER_MONTH,INSURANCE_RATE,)def calculate_holding_cost(buy_cost, holding_months):计算持有成本:param buy_cost: 买入成本:param holding_months: 持有月数:return: 总持有成本# 资金占用成本年化转月化capital_cost buy_cost * ANNUAL_CAPITAL_COST * (holding_months / 12)# 仓储成本storage_cost STORAGE_COST_PER_MONTH * holding_months# 保险成本按年计按持有比例折算insurance_cost buy_cost * INSURANCE_RATE * (holding_months / 12)total capital_cost storage_cost insurance_costreturn round(total, 2)def get_holding_cost_breakdown(buy_cost, holding_months):持有成本结构拆解capital_cost buy_cost * ANNUAL_CAPITAL_COST * (holding_months / 12)storage_cost STORAGE_COST_PER_MONTH * holding_monthsinsurance_cost buy_cost * INSURANCE_RATE * (holding_months / 12)return {capital_cost: round(capital_cost, 2),storage_cost: round(storage_cost, 2),insurance_cost: round(insurance_cost, 2),}roi_calculator.pyfrom holding_cost_model import calculate_holding_costdef calculate_net_profit(buy_cost, sell_net_revenue, holding_months):计算净收益holding_cost calculate_holding_cost(buy_cost, holding_months)nominal_profit sell_net_revenue - buy_costnet_profit nominal_profit - holding_costreturn round(net_profit, 2), round(holding_cost, 2)def calculate_annualized_roi(buy_cost, net_profit, holding_months):计算年化收益率ROI_annualized (净收益 / 买入成本) / 持有年数if holding_months 0:return 0.0holding_years holding_months / 12roi (net_profit / buy_cost) / holding_yearsreturn round(roi * 100, 2) # 转为百分比def calculate_simple_roi(buy_cost, sell_net_revenue):简单收益率不考虑持有成本profit sell_net_revenue - buy_costroi profit / buy_cost * 100return round(roi, 2)scenario_model.pyfrom config import *from cost_model import calculate_buy_cost, calculate_sell_net_revenuefrom roi_calculator import calculate_net_profit, calculate_annualized_roifrom holding_cost_model import get_holding_cost_breakdowndef build_scenario(msrp, resale_price, holding_months, label):构建一个完整情景buy_cost calculate_buy_cost(msrp)sell_net calculate_sell_net_revenue(resale_price)net_profit, holding_cost calculate_net_profit(buy_cost, sell_net, holding_months)annualized_roi calculate_annualized_roi(buy_cost, net_profit, holding_months)simple_roi (sell_net - buy_cost) / buy_cost * 100holding_breakdown get_holding_cost_breakdown(buy_cost, holding_months)return {label: label,msrp: msrp,resale_price: resale_price,holding_months: holding_months,buy_cost: buy_cost,sell_net_revenue: sell_net,holding_cost: holding_cost,holding_breakdown: holding_breakdown,net_profit: net_profit,simple_roi: round(simple_roi, 2),annualized_roi: annualized_roi,}def get_all_scenarios():返回所有预设情景scenarios []# 限量潮款scenarios.append(build_scenario(msrpSTREETWEAR_MSRP,resale_priceSTREETWEAR_RESALE,holding_monthsSTREETWEAR_HOLDING_MONTHS,label限量潮款3个月,))# 奢侈品经典款scenarios.append(build_scenario(msrpLUXURY_MSRP,resale_priceLUXURY_RESALE,holding_monthsLUXURY_HOLDING_MONTHS,label奢侈品经典款2年,))return scenarioscomparator.pyfrom config import HOLDING_PERIOD_RANGEfrom scenario_model import build_scenariofrom cost_model import calculate_buy_cost, calculate_sell_net_revenuefrom roi_calculator import calculate_net_profit, calculate_annualized_roidef compare_holding_periods(msrp, resale_price, label_prefix商品):对比不同持有周期的收益变化results []buy_cost calculate_buy_cost(msrp)sell_net calculate_sell_net_revenue(resale_price)for months in HOLDING_PERIOD_RANGE:net_profit, holding_cost calculate_net_profit(buy_cost, sell_net, months)annualized_roi calculate_annualized_roi(buy_cost, net_profit, months)results.append({holding_months: months,holding_years: round(months / 12, 2),net_profit: net_profit,holding_cost: holding_cost,annualized_roi: annualized_roi,})return {label: label_prefix,msrp: msrp,resale_price: resale_price,results: results,}def find_optimal_holding_period(msrp, resale_price):寻找年化收益最高的持有周期buy_cost calculate_buy_cost(msrp)sell_net calculate_sell_net_revenue(resale_price)best Nonebest_roi -float(inf)for months in HOLDING_PERIOD_RANGE:net_profit, _ calculate_net_profit(buy_cost, sell_net, months)annualized_roi calculate_annualized_roi(buy_cost, net_profit, months)if annualized_roi best_roi:best_roi annualized_roibest monthsreturn best, round(best_roi, 2)reporter.pyfrom config import STORAGE_COST_PER_MONTHdef print_scenario_report(scenarios):print(\n * 80)print( 二手服饰流通利润建模 — 情景分析报告)print( * 80)for s in scenarios:print(f\n 【{s[label]}】)print(f 发售价¥{s[msrp]:.0f})print(f 二手卖出价¥{s[resale_price]:.0f})print(f 持有周期{s[holding_months]} 个月)print(f 买入成本¥{s[buy_cost]:.0f})print(f 卖出净收入¥{s[sell_net_revenue]:.0f})print(f 持有成本¥{s[holding_cost]:.0f})print(f ├─ 资金占用¥{s[holding_breakdown][capital_cost]:.0f})print(f ├─ 仓储({s[holding_months]}个月)¥{s[holding_breakdown][storage_cost]:.0f})print(f └─ 保险¥{s[holding_breakdown][insurance_cost]:.0f})print(f 净收益¥{s[net_profit]:.0f})print(f 简单收益率{s[simple_roi]:.1f}%)print(f 年化收益率{s[annualized_roi]:.1f}%)if s[annualized_roi] 8:verdict ✅ 跑赢通胀elif s[annualized_roi] 0:verdict ⚠️ 微利else:verdict ❌ 亏损print(f 评价{verdict})def print_holding_period_comparison(comparison):打印不同持有周期对比print(f\n{ * 80})print(f 持有周期敏感性分析 — {comparison[label]})print(f 发售价 ¥{comparison[msrp]:.0f} → 二手价 ¥{comparison[resale_price]:.0f})print(f{ * 80})print(f\n{持有月数:12}{持有年数:12}{净收益:14}{持有成本:14}{年化收益率:14})print(- * 80)for r in comparison[results]:print(f{r[holding_months]:12}f{r[holding_years]:12}f¥{r[net_profit]:13,.0f}f¥{r[holding_cost]:13,.0f}f{r[annualized_roi]:13.1f}%)def print_summary(scenarios):print(f\n{ * 80})print( 核心结论摘要)print(f{ * 80})best max(scenarios, keylambda x: x[annualized_roi])print(f\n✅ 年化收益最高的情景{best[label]})print(f 年化收益率{best[annualized_roi]:.1f}%)print(f 净收益¥{best[net_profit]:.0f})print(f 持有周期{best[holding_months]} 个月)print(f\n 关键洞察)print(f 1. 潮款高收益但持有期短需频繁交易)print(f 2. 奢侈品收益稳定但资金占用时间长)print(f 3. 交易成本平均吃掉 15–25% 的收益)print(f 4. 仓储成本¥{STORAGE_COST_PER_MONTH}/月不可忽视)print(f\n 风险提示)print(f • 潮款价格高度波动模型假设价格维持不变)print(f • 实际交易中可能出现鉴定失败、退货等额外成本)print(f • 流动性风险高价不一定能快速卖出)main.pyfrom scenario_model import get_all_scenariosfrom comparator import compare_holding_periods, find_optimal_holding_periodfrom reporter import print_scenario_report, print_holding_period_comparison, print_summarydef main():print( * 80)print( 二手服饰流通利润建模程序)print( Secondhand Fashion Resale Profit Modeling Tool)print( * 80)# 1. 情景分析scenarios get_all_scenarios()print_scenario_report(scenarios)# 2. 持有周期敏感性分析潮款streetwear_comp compare_holding_periods(msrp1000,resale_price2000,label_prefix限量潮款)print_holding_period_comparison(streetwear_comp)# 3. 寻找最优持有周期optimal_months, optimal_roi find_optimal_holding_period(msrp1000,resale_price2000,)print(f\n 潮款最优持有周期{optimal_months} 个月年化 {optimal_roi:.1f}%)# 4. 总结print_summary(scenarios)print(f\n{ * 80})print( 模拟完成。请修改 config.py 调整参数后重新运行。)print(f{ * 80})if __name__ __main__:main()六、README.md使用说明# 二手服饰流通利润建模程序# Secondhand Fashion Resale Profit Modeling Tool## 用途- 《时尚产业与品牌创新》课程循环时尚与二手经济教学示例- 限量潮牌 / 奢侈品二手转售收益测算与投资决策支持- 技术布道Python 参数化金融建模## 运行方式bashpython main.py## 修改参数编辑 config.py- STREETWEAR_MSRP / STREETWEAR_RESALE 潮款发售价与二手价- LUXURY_MSRP / LUXURY_RESALE 奢侈品发售价与二手价- PLATFORM_COMMISSION_RATE 平台佣金率- AUTHENTICATION_FEE 鉴定费- ANNUAL_CAPITAL_COST 年化资金成本机会成本- STORAGE_COST_PER_MONTH 仓储成本- INSURANCE_RATE 保险费率- HOLDING_PERIOD_RANGE 持有周期扫描范围月## 输出说明- 各情景的买入成本、交易成本、持有成本、净收益- 简单收益率 vs. 年化收益率- 不同持有周期的收益敏感性分析- 最优持有周期建议## 核心指标说明- **简单收益率**(卖出净收入 - 买入成本) / 买入成本- **年化收益率**考虑持有时间后的标准化收益率- **持有成本**资金占用成本 仓储 保险## 免责本程序为教学级参数化模型结果完全依赖输入假设不构成任何投资建议或投资推荐。二手市场存在高度价格波动与流动性风险。七、核心知识点卡片knowledge_card.md## 知识点卡片 — 二手服饰流通利润建模1️⃣ 循环时尚Circular Fashion的商业模式- 品牌延伸价值链新品销售 → 二手流转 → 回收再造- 消费者降低购买成本参与可持续消费- 平台佣金 服务费 流量变现2️⃣ 二手转售收益 ≠ 简单差价- 交易成本平台佣金10–20%、鉴定费、运费、支付手续费- 持有成本资金占用机会成本、仓储、保险- 实际净利率往往比感觉低 30–50%3️⃣ 年化收益率Annualized ROI的重要性- 持有 3 个月赚 50% ≠ 持有 12 个月赚 50%- 年化收益率消除了时间差异支持跨周期、跨资产对比- 是判断二手投资是否划算的核心指标4️⃣ 潮款 vs. 奢侈品的收益结构差异- 潮款高波动、高换手、高交易频率 → 收益来自价差- 奢侈品低波动、长期持有、保值增值 → 收益类似债券通胀对冲- 两者在投资组合中可形成互补5️⃣ Python 在品牌创新中的作用- 把二手倒卖从投机行为变成可量化的投资模型- 支持多情景扫描不同持有周期、不同价格波动- 可扩展蒙特卡洛价格模拟、多商品组合优化、Streamlit 交互工具、与库存管理系统对接八、总结全栈工程师视角- 二手服饰流通不是低买高卖那么简单而是一道包含交易成本、时间价值和风险溢价的金融计算题。- 核心洞察- 年化收益率才是唯一可比的指标——短期暴利可能不如长期稳健- 交易成本是利润的隐形杀手——平台佣金 鉴定费 运费轻易吃掉 20%- 持有成本是真实存在的——资金占用、仓储、保险尤其在长期持有奢侈品时- Python 在这里的价值- 把二手倒卖从感性投机变成理性、可验证的投资模型- 支持一键回答持有多久卖最划算年化收益能否跑赢理财- 可扩展方向- 蒙特卡洛价格模拟对二手价格波动做概率分布- 多商品组合优化潮款 奢侈品的投资组合- matplotlib 可视化持有周期–年化收益曲线、收益分布直方图- Streamlit 交互工具供个人投资者/品牌方实时测算- 与库存管理系统对接品牌官方二手业务的自动化利润核算真正的循环时尚创新不只是环保叙事更是能用数据和模型证明二手流转是一门可持续的好生意。 这套模型已经能完整跑出单笔交易利润 年化收益率 持有周期敏感性分析了。利用AI解决实际问题如果你觉得这个工具好用欢迎关注长安牧笛
二手服饰流通利润建模程序Python——限量潮款 奢侈品二手转售年化收益计算一、实际应用场景描述真实业务抽象在《时尚产业与品牌创新》课程中循环时尚Circular Fashion与二手流通Resale Economy已成为品牌延伸价值链的重要创新路径。典型场景- 限量潮牌Limited DropsSupreme、Palace、Off-White 等发售价 ¥1000二级市场溢价至 ¥2000–5000- 奢侈品手袋 / 经典款Chanel、Hermès、Louis Vuitton具备抗通胀属性二手价格随时间上涨- 品牌官方认证二手Brand-Led ResalePatagonia Worn Wear、Gucci Vault、Stella McCartney LCA 等- 个人投资者 / 潮品炒家通过抢购限量款在二手平台StockX、GOAT、得物转售获利但在实际运作中参与者常面临- 持有成本被忽视资金占用、仓储、保养、保险- 交易成本过高平台佣金、鉴定费、运费、支付手续费- 价格波动风险潮款热度消退后价格暴跌- 无法量化年化收益率赚了和年化收益 15%是两回事本程序用 Python 构建参数化二手服饰流通利润模型量化测算- 单笔转售的净收益- 年化收益率ROI Annualized- 不同持有周期的收益变化- 交易成本对利润的侵蚀程度二、引入痛点为什么要用代码算手工算账的常见盲区1. 原价 ¥1000卖了 ¥2000赚了一倍- 忽略平台佣金 10%–20%、鉴定费 ¥50、运费 ¥30、支付手续费 1%- 实际到手可能仅 ¥1600净利率只有 60%2. 持有成本完全被无视- 资金占用 6 个月机会成本是真实存在的- 仓储、防潮、防霉、保险等隐性成本- 若年化资金成本 8%6 个月就是 4%3. 无法比较不同持有周期的收益- 持有 3 个月赚 ¥600 vs. 持有 12 个月赚 ¥800- 前者年化 80%后者年化 20% —— 差异巨大4. 潮款 vs. 奢侈品的收益结构完全不同- 潮款高波动、高交易频率、高换手- 奢侈品低波动、长期持有、保值增值→ 用代码把二手倒卖从投机感觉变成可计算、可对比的投资模型。三、核心逻辑讲解先业务后代码1️⃣ 二手转售收益计算公式买入成本 发售价 买入运费 买入手续费卖出净收入 卖出价− 平台佣金− 鉴定费− 卖出运费− 支付手续费− 其他费用清洁、维修等名义收益 卖出净收入 − 买入成本持有成本 买入成本 × 年化资金成本 × 持有年数 仓储/保养成本 保险成本净收益 名义收益 − 持有成本年化收益率 (净收益 / 买入成本) / 持有年数2️⃣ 两类商品模型对比维度 限量潮款 奢侈品经典款价格波动 高±50% 低±10%持有周期 短1–6 个月 长1–5 年交易频率 高 低折旧风险 高过季即贬值 低经典款保值收益来源 炒作溢价 稀缺性 品牌溢价资金占用 中短期 长期3️⃣ 教学参考参数参数 潮款示例 奢侈品示例发售价 ¥1,000 ¥20,000二手卖出价 ¥2,000 ¥24,000平台佣金率 20% 10%鉴定费 ¥50 ¥200持有周期 3 个月 2 年年化资金成本 8% 8%仓储保养成本 ¥50 ¥500四、程序结构设计模块化resale_profit_modeler/├── main.py # 主程序入口├── config.py # 参数配置├── cost_model.py # 买入成本与交易成本计算├── holding_cost_model.py # 持有成本资金占用仓储├── roi_calculator.py # 年化收益率计算├── scenario_model.py # 潮款 vs. 奢侈品情景建模├── comparator.py # 多情景对比分析├── reporter.py # 报表输出├── README.md # 使用说明└── knowledge_card.md # 核心知识点卡片五、代码实现Python注释清晰config.py二手服饰流通利润建模 — 参数配置所有数值均为教学示例可按实际平台/商品调整# ---- 通用交易成本 ----PLATFORM_COMMISSION_RATE 0.15 # 平台佣金率15%AUTHENTICATION_FEE 50.0 # 鉴定费元SHIPPING_FEE_BUY 20.0 # 买入运费SHIPPING_FEE_SELL 30.0 # 卖出运费PAYMENT_PROCESSING_RATE 0.01 # 支付手续费1%OTHER_FEES 0.0 # 清洁/维修等其他费用# ---- 持有成本 ----ANNUAL_CAPITAL_COST 0.08 # 年化资金成本8%机会成本STORAGE_COST_PER_MONTH 10.0 # 月仓储成本元INSURANCE_RATE 0.005 # 保险费率占商品价值# ---- 情景参数 ----# 限量潮款STREETWEAR_MSRP 1000.0 # 发售价STREETWEAR_RESALE 2000.0 # 二手卖出价STREETWEAR_HOLDING_MONTHS 3 # 持有周期月# 奢侈品经典款LUXURY_MSRP 20000.0 # 发售价LUXURY_RESALE 24000.0 # 二手卖出价LUXURY_HOLDING_MONTHS 24 # 持有周期月# ---- 敏感性分析 ----HOLDING_PERIOD_RANGE [1, 3, 6, 12, 24, 36] # 持有周期扫描月cost_model.pyfrom config import (PLATFORM_COMMISSION_RATE,AUTHENTICATION_FEE,SHIPPING_FEE_BUY,SHIPPING_FEE_SELL,PAYMENT_PROCESSING_RATE,OTHER_FEES,)def calculate_buy_cost(purchase_price):计算买入总成本:param purchase_price: 发售价/买入价:return: 买入总成本total (purchase_price SHIPPING_FEE_BUY)return round(total, 2)def calculate_sell_net_revenue(resale_price):计算卖出净收入扣除所有交易成本:param resale_price: 二手卖出价:return: 净收入platform_commission resale_price * PLATFORM_COMMISSION_RATEpayment_fee resale_price * PAYMENT_PROCESSING_RATEnet (resale_price- platform_commission- AUTHENTICATION_FEE- SHIPPING_FEE_SELL- payment_fee- OTHER_FEES)return round(net, 2)def calculate_transaction_costs(resale_price, purchase_price):计算各项交易成本明细用于报表return {purchase_price: purchase_price,platform_commission: round(resale_price * PLATFORM_COMMISSION_RATE, 2),authentication_fee: AUTHENTICATION_FEE,shipping_buy: SHIPPING_FEE_BUY,shipping_sell: SHIPPING_FEE_SELL,payment_fee: round(resale_price * PAYMENT_PROCESSING_RATE, 2),other_fees: OTHER_FEES,}holding_cost_model.pyfrom config import (ANNUAL_CAPITAL_COST,STORAGE_COST_PER_MONTH,INSURANCE_RATE,)def calculate_holding_cost(buy_cost, holding_months):计算持有成本:param buy_cost: 买入成本:param holding_months: 持有月数:return: 总持有成本# 资金占用成本年化转月化capital_cost buy_cost * ANNUAL_CAPITAL_COST * (holding_months / 12)# 仓储成本storage_cost STORAGE_COST_PER_MONTH * holding_months# 保险成本按年计按持有比例折算insurance_cost buy_cost * INSURANCE_RATE * (holding_months / 12)total capital_cost storage_cost insurance_costreturn round(total, 2)def get_holding_cost_breakdown(buy_cost, holding_months):持有成本结构拆解capital_cost buy_cost * ANNUAL_CAPITAL_COST * (holding_months / 12)storage_cost STORAGE_COST_PER_MONTH * holding_monthsinsurance_cost buy_cost * INSURANCE_RATE * (holding_months / 12)return {capital_cost: round(capital_cost, 2),storage_cost: round(storage_cost, 2),insurance_cost: round(insurance_cost, 2),}roi_calculator.pyfrom holding_cost_model import calculate_holding_costdef calculate_net_profit(buy_cost, sell_net_revenue, holding_months):计算净收益holding_cost calculate_holding_cost(buy_cost, holding_months)nominal_profit sell_net_revenue - buy_costnet_profit nominal_profit - holding_costreturn round(net_profit, 2), round(holding_cost, 2)def calculate_annualized_roi(buy_cost, net_profit, holding_months):计算年化收益率ROI_annualized (净收益 / 买入成本) / 持有年数if holding_months 0:return 0.0holding_years holding_months / 12roi (net_profit / buy_cost) / holding_yearsreturn round(roi * 100, 2) # 转为百分比def calculate_simple_roi(buy_cost, sell_net_revenue):简单收益率不考虑持有成本profit sell_net_revenue - buy_costroi profit / buy_cost * 100return round(roi, 2)scenario_model.pyfrom config import *from cost_model import calculate_buy_cost, calculate_sell_net_revenuefrom roi_calculator import calculate_net_profit, calculate_annualized_roifrom holding_cost_model import get_holding_cost_breakdowndef build_scenario(msrp, resale_price, holding_months, label):构建一个完整情景buy_cost calculate_buy_cost(msrp)sell_net calculate_sell_net_revenue(resale_price)net_profit, holding_cost calculate_net_profit(buy_cost, sell_net, holding_months)annualized_roi calculate_annualized_roi(buy_cost, net_profit, holding_months)simple_roi (sell_net - buy_cost) / buy_cost * 100holding_breakdown get_holding_cost_breakdown(buy_cost, holding_months)return {label: label,msrp: msrp,resale_price: resale_price,holding_months: holding_months,buy_cost: buy_cost,sell_net_revenue: sell_net,holding_cost: holding_cost,holding_breakdown: holding_breakdown,net_profit: net_profit,simple_roi: round(simple_roi, 2),annualized_roi: annualized_roi,}def get_all_scenarios():返回所有预设情景scenarios []# 限量潮款scenarios.append(build_scenario(msrpSTREETWEAR_MSRP,resale_priceSTREETWEAR_RESALE,holding_monthsSTREETWEAR_HOLDING_MONTHS,label限量潮款3个月,))# 奢侈品经典款scenarios.append(build_scenario(msrpLUXURY_MSRP,resale_priceLUXURY_RESALE,holding_monthsLUXURY_HOLDING_MONTHS,label奢侈品经典款2年,))return scenarioscomparator.pyfrom config import HOLDING_PERIOD_RANGEfrom scenario_model import build_scenariofrom cost_model import calculate_buy_cost, calculate_sell_net_revenuefrom roi_calculator import calculate_net_profit, calculate_annualized_roidef compare_holding_periods(msrp, resale_price, label_prefix商品):对比不同持有周期的收益变化results []buy_cost calculate_buy_cost(msrp)sell_net calculate_sell_net_revenue(resale_price)for months in HOLDING_PERIOD_RANGE:net_profit, holding_cost calculate_net_profit(buy_cost, sell_net, months)annualized_roi calculate_annualized_roi(buy_cost, net_profit, months)results.append({holding_months: months,holding_years: round(months / 12, 2),net_profit: net_profit,holding_cost: holding_cost,annualized_roi: annualized_roi,})return {label: label_prefix,msrp: msrp,resale_price: resale_price,results: results,}def find_optimal_holding_period(msrp, resale_price):寻找年化收益最高的持有周期buy_cost calculate_buy_cost(msrp)sell_net calculate_sell_net_revenue(resale_price)best Nonebest_roi -float(inf)for months in HOLDING_PERIOD_RANGE:net_profit, _ calculate_net_profit(buy_cost, sell_net, months)annualized_roi calculate_annualized_roi(buy_cost, net_profit, months)if annualized_roi best_roi:best_roi annualized_roibest monthsreturn best, round(best_roi, 2)reporter.pyfrom config import STORAGE_COST_PER_MONTHdef print_scenario_report(scenarios):print(\n * 80)print( 二手服饰流通利润建模 — 情景分析报告)print( * 80)for s in scenarios:print(f\n 【{s[label]}】)print(f 发售价¥{s[msrp]:.0f})print(f 二手卖出价¥{s[resale_price]:.0f})print(f 持有周期{s[holding_months]} 个月)print(f 买入成本¥{s[buy_cost]:.0f})print(f 卖出净收入¥{s[sell_net_revenue]:.0f})print(f 持有成本¥{s[holding_cost]:.0f})print(f ├─ 资金占用¥{s[holding_breakdown][capital_cost]:.0f})print(f ├─ 仓储({s[holding_months]}个月)¥{s[holding_breakdown][storage_cost]:.0f})print(f └─ 保险¥{s[holding_breakdown][insurance_cost]:.0f})print(f 净收益¥{s[net_profit]:.0f})print(f 简单收益率{s[simple_roi]:.1f}%)print(f 年化收益率{s[annualized_roi]:.1f}%)if s[annualized_roi] 8:verdict ✅ 跑赢通胀elif s[annualized_roi] 0:verdict ⚠️ 微利else:verdict ❌ 亏损print(f 评价{verdict})def print_holding_period_comparison(comparison):打印不同持有周期对比print(f\n{ * 80})print(f 持有周期敏感性分析 — {comparison[label]})print(f 发售价 ¥{comparison[msrp]:.0f} → 二手价 ¥{comparison[resale_price]:.0f})print(f{ * 80})print(f\n{持有月数:12}{持有年数:12}{净收益:14}{持有成本:14}{年化收益率:14})print(- * 80)for r in comparison[results]:print(f{r[holding_months]:12}f{r[holding_years]:12}f¥{r[net_profit]:13,.0f}f¥{r[holding_cost]:13,.0f}f{r[annualized_roi]:13.1f}%)def print_summary(scenarios):print(f\n{ * 80})print( 核心结论摘要)print(f{ * 80})best max(scenarios, keylambda x: x[annualized_roi])print(f\n✅ 年化收益最高的情景{best[label]})print(f 年化收益率{best[annualized_roi]:.1f}%)print(f 净收益¥{best[net_profit]:.0f})print(f 持有周期{best[holding_months]} 个月)print(f\n 关键洞察)print(f 1. 潮款高收益但持有期短需频繁交易)print(f 2. 奢侈品收益稳定但资金占用时间长)print(f 3. 交易成本平均吃掉 15–25% 的收益)print(f 4. 仓储成本¥{STORAGE_COST_PER_MONTH}/月不可忽视)print(f\n 风险提示)print(f • 潮款价格高度波动模型假设价格维持不变)print(f • 实际交易中可能出现鉴定失败、退货等额外成本)print(f • 流动性风险高价不一定能快速卖出)main.pyfrom scenario_model import get_all_scenariosfrom comparator import compare_holding_periods, find_optimal_holding_periodfrom reporter import print_scenario_report, print_holding_period_comparison, print_summarydef main():print( * 80)print( 二手服饰流通利润建模程序)print( Secondhand Fashion Resale Profit Modeling Tool)print( * 80)# 1. 情景分析scenarios get_all_scenarios()print_scenario_report(scenarios)# 2. 持有周期敏感性分析潮款streetwear_comp compare_holding_periods(msrp1000,resale_price2000,label_prefix限量潮款)print_holding_period_comparison(streetwear_comp)# 3. 寻找最优持有周期optimal_months, optimal_roi find_optimal_holding_period(msrp1000,resale_price2000,)print(f\n 潮款最优持有周期{optimal_months} 个月年化 {optimal_roi:.1f}%)# 4. 总结print_summary(scenarios)print(f\n{ * 80})print( 模拟完成。请修改 config.py 调整参数后重新运行。)print(f{ * 80})if __name__ __main__:main()六、README.md使用说明# 二手服饰流通利润建模程序# Secondhand Fashion Resale Profit Modeling Tool## 用途- 《时尚产业与品牌创新》课程循环时尚与二手经济教学示例- 限量潮牌 / 奢侈品二手转售收益测算与投资决策支持- 技术布道Python 参数化金融建模## 运行方式bashpython main.py## 修改参数编辑 config.py- STREETWEAR_MSRP / STREETWEAR_RESALE 潮款发售价与二手价- LUXURY_MSRP / LUXURY_RESALE 奢侈品发售价与二手价- PLATFORM_COMMISSION_RATE 平台佣金率- AUTHENTICATION_FEE 鉴定费- ANNUAL_CAPITAL_COST 年化资金成本机会成本- STORAGE_COST_PER_MONTH 仓储成本- INSURANCE_RATE 保险费率- HOLDING_PERIOD_RANGE 持有周期扫描范围月## 输出说明- 各情景的买入成本、交易成本、持有成本、净收益- 简单收益率 vs. 年化收益率- 不同持有周期的收益敏感性分析- 最优持有周期建议## 核心指标说明- **简单收益率**(卖出净收入 - 买入成本) / 买入成本- **年化收益率**考虑持有时间后的标准化收益率- **持有成本**资金占用成本 仓储 保险## 免责本程序为教学级参数化模型结果完全依赖输入假设不构成任何投资建议或投资推荐。二手市场存在高度价格波动与流动性风险。七、核心知识点卡片knowledge_card.md## 知识点卡片 — 二手服饰流通利润建模1️⃣ 循环时尚Circular Fashion的商业模式- 品牌延伸价值链新品销售 → 二手流转 → 回收再造- 消费者降低购买成本参与可持续消费- 平台佣金 服务费 流量变现2️⃣ 二手转售收益 ≠ 简单差价- 交易成本平台佣金10–20%、鉴定费、运费、支付手续费- 持有成本资金占用机会成本、仓储、保险- 实际净利率往往比感觉低 30–50%3️⃣ 年化收益率Annualized ROI的重要性- 持有 3 个月赚 50% ≠ 持有 12 个月赚 50%- 年化收益率消除了时间差异支持跨周期、跨资产对比- 是判断二手投资是否划算的核心指标4️⃣ 潮款 vs. 奢侈品的收益结构差异- 潮款高波动、高换手、高交易频率 → 收益来自价差- 奢侈品低波动、长期持有、保值增值 → 收益类似债券通胀对冲- 两者在投资组合中可形成互补5️⃣ Python 在品牌创新中的作用- 把二手倒卖从投机行为变成可量化的投资模型- 支持多情景扫描不同持有周期、不同价格波动- 可扩展蒙特卡洛价格模拟、多商品组合优化、Streamlit 交互工具、与库存管理系统对接八、总结全栈工程师视角- 二手服饰流通不是低买高卖那么简单而是一道包含交易成本、时间价值和风险溢价的金融计算题。- 核心洞察- 年化收益率才是唯一可比的指标——短期暴利可能不如长期稳健- 交易成本是利润的隐形杀手——平台佣金 鉴定费 运费轻易吃掉 20%- 持有成本是真实存在的——资金占用、仓储、保险尤其在长期持有奢侈品时- Python 在这里的价值- 把二手倒卖从感性投机变成理性、可验证的投资模型- 支持一键回答持有多久卖最划算年化收益能否跑赢理财- 可扩展方向- 蒙特卡洛价格模拟对二手价格波动做概率分布- 多商品组合优化潮款 奢侈品的投资组合- matplotlib 可视化持有周期–年化收益曲线、收益分布直方图- Streamlit 交互工具供个人投资者/品牌方实时测算- 与库存管理系统对接品牌官方二手业务的自动化利润核算真正的循环时尚创新不只是环保叙事更是能用数据和模型证明二手流转是一门可持续的好生意。 这套模型已经能完整跑出单笔交易利润 年化收益率 持有周期敏感性分析了。利用AI解决实际问题如果你觉得这个工具好用欢迎关注长安牧笛
