Эксоцман
на главную поиск contacts

Modeling and Forecasting Sales Data by Time Series Analysis (Моделирование и прогнозирование продаж с помощью анализа временных рядов)

Опубликовано на портале: 04-12-2003
Journal of Marketing Research (JMR). 1981.  Vol. 18. No. 1. P. 94-101. 
Тематический раздел:
Получение точных прогнозов продаж для выбора правильной стратегии является важной проблемой в маркетинге. При прогнозировании спроса в начале 1980-х годов использовались в основном статичные методы типа регрессионного или корреляционного анализа. Подобные методы игнорируют динамический характер и память анализируемых процессов и подходят к данным, которые, как правило, представляют собой временные ряды, как к независимым наблюдениям. При таком подходе серийная или автокорреляция, присутствующая в таких данных, искажает результаты анализа, маскирует настоящую природу взаимосвязи между анализируемыми переменными и увеличивает ошибку прогноза. Популярной методикой, не требующей наличия независимых наблюдений, является техника экспоненциального сглаживания (exponential smoothing). Однако эта методика слишком примитивна и к тому же не учитывает теорию правильного выбора сглаживающего фактора (weight factor). Идеальным решением при наличии автокоррелированных данных является использование в маркетинге методов анализа временных рядов. Преимущество применения этих методов над другими эконометрическими методами при прогнозировании спроса и продаж было продемонстрировано в работе Geurts and Ibranim (1975). Большинство разработок в области анализа временных рядов используют подход Бокса-Дженкинса (Box-Jenkins approach, т.е. ARIMA), согласно которому сезонность в данных моделируется при помощи стохастического оператора разности в форме (1 - Bs). Однако в ряде случаев, особенно, когда сезонность в данных не является однородной, использование подобного оператора не эффективно. Цель данной работы – продемонстрировать альтернативный подход к анализу временных рядов в применении к реальной ситуации в бизнесе. Согласно предлагаемому автором подходу нестохастическая часть вариации в данных моделируется с помощью детерминистской функции. Данный подход отличается от подхода Бокса и Дженкинса как по своей философии, так и по стратегии моделирования. В статье анализируется временной ряд, содержащий данные о продажах продуктовой линейки потребительских товаров. Описывается методология анализа нестационарных временных рядов, демонстрируется применение данной методологии для прогноза спроса на потребительские продукты.

Ссылки
http://search.epnet.com/direct.asp?an=5015425&db=buh
BiBTeX
RIS