Matematické Fórum

Ahoj.

V prvom rade sem pridaj skutočné dáta(najlepšie excel), z ktorých chceš robiť analýzu a predikciu. Bez dát sú to len hrubé odhady a varenie z vody.

Môj názor je taký, že dáta neposkytujú dobrý podklad pre kvalitnú predikciu. Skúšal som produkt 1752. Doplnil som nuly (predpokladám, že v týchto mesiacoch bol predaj nulový), ale aj tak dáta majú roztrieštenú štruktúru. Sezónnosť tam je, ale štatisticky nevýznamná, celkovo nekonzistentná akoby len jej náznáky.

Samozrejme predikcie sa dajú urobiť, ale len vo forme hrubých odhadov. Skúsil som na otestovanie predikovať štvrťročné hodnoty predaja roku 2016 viacerými metódami, pretože sú známe. Predikcia je vo forme modrých bodov a sivá sú intervaly spoľahlivosti.

Ostatné produkty majú ešte chudobnejší dátový obsah.

Pomôcť by mohli komplexné neurónové siete, zahrnutie externých faktorov do predikcie (ak nejaké existujú) alebo strojové učenie.

Arima


TBATS model


Holt-Wintersovo vyrovnávanie



Neurónová autoregresná sieť

Ahoj,

navrhujem k predikcii pristupovať tak, že z mesačných údajov urobíš štvrťročné aby si eliminoval situácie, kedy jeden mesiac sa predalo 700 výrobkov a druhý 0. Na predikciu môžeš použiť softvér R. Prikláňam sa k metóde Holt-Winters.

Príklad
----Načítanie dát---
a = read.csv("C:/data/exper/rad.txt", header=TRUE, sep="\t")

---Zadefinovanie štvrťročného časového radu---
stvrtrok=ts(a$Produkt1752s[1:35], start=2008, frequency=4)

---Použitie funkcie Holt-Winters---
fitHW = HoltWinters(stvrtrok)
fcastHW3 = forecast(fitHW3,h=3) ///predikcia na 3 štvrťroky
plot(fcastHW3) /// vykreslenie predikcie