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 Drops）：Supreme、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 Resale）：Patagonia 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.py"

from 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_RATE

payment_fee = resale_price * PAYMENT_PROCESSING_RATE

net = (

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.py"

from 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_cost

return 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_months

insurance_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.py"

from holding_cost_model import calculate_holding_cost

def 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_cost

net_profit = nominal_profit - holding_cost

return 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 0.0

holding_years = holding_months / 12

roi = (net_profit / buy_cost) / holding_years

return 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_cost

roi = profit / buy_cost * 100

return round(roi, 2)

"scenario_model.py"

from config import *

from cost_model import calculate_buy_cost, calculate_sell_net_revenue

from roi_calculator import calculate_net_profit, calculate_annualized_roi

from holding_cost_model import get_holding_cost_breakdown

def 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 * 100

holding_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(

msrp=STREETWEAR_MSRP,

resale_price=STREETWEAR_RESALE,

holding_months=STREETWEAR_HOLDING_MONTHS,

label="限量潮款（3个月）",

)

)

# 奢侈品经典款

scenarios.append(

build_scenario(

msrp=LUXURY_MSRP,

resale_price=LUXURY_RESALE,

holding_months=LUXURY_HOLDING_MONTHS,

label="奢侈品经典款（2年）",

)

)

return scenarios

"comparator.py"

from config import HOLDING_PERIOD_RANGE

from scenario_model import build_scenario

from cost_model import calculate_buy_cost, calculate_sell_net_revenue

from roi_calculator import calculate_net_profit, calculate_annualized_roi

def 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 = None

best_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_roi

best = months

return best, round(best_roi, 2)

"reporter.py"

from config import STORAGE_COST_PER_MONTH

def 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, key=lambda 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.py"

from scenario_model import get_all_scenarios

from comparator import compare_holding_periods, find_optimal_holding_period

from reporter import print_scenario_report, print_holding_period_comparison, print_summary

def 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(

msrp=1000,

resale_price=2000,

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(

msrp=1000,

resale_price=2000,

)

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

bash

python 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！