用于预测账期的贝叶斯狄利克雷自回归滑动平均模型
统计方法学
2025-07-08 v3 应用统计
摘要
账期数据是 hospitality 行业中常见的成分数据。 hospitality 企业每天赚取费用，然而这些费用直到之后才能被确认。出于业务目的，理解并预测未来费用的分布对于资源分配、业务规划以及人员配置十分重要。受 5 年每日费用数据的启发，我们提出了一类新的贝叶斯时间序列模型，即用于成分时间序列的贝叶斯狄利克雷自回归滑动平均（B-DARMA）模型，对将在 11 个连续 30 天窗口和 1 个最后连续 35 天窗口中被确认的未来费用比例进行建模。每一天的成分数据在给定均值与尺度参数下被建模为狄利克雷分布。均值在经加性对数比链接函数变换后由向量自回归滑动平均过程建模，并依赖于先前的成分数据、先前的成分参数与每日协变量。B-DARMA 模型为大型成分向量与短或长时间序列的数据分析提供了解决方案，通过先验选择提供效率增益，为推断提供可解释参数，并做出合理预测。
引用
@article{arxiv.2303.17478,
title = {A Bayesian Dirichlet Auto-Regressive Moving Average Model for Forecasting Lead Times},
author = {Harrison Katz and Kai Brusch and Robert E. Weiss},
journal= {arXiv preprint arXiv:2303.17478},
year = {2025}
}