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.
Ключевые слова
См. также:
[Учебная программа]
[Учебная программа]
[Книга]
Journal of Marketing Research (JMR).
2001.
Vol. 38.
No. 3.
P. 362-375.
[Статья]