删失数据预测：应用带有时间聚合的 Tobit 指数平滑

本研究引入了一种在时间聚合约束下通过 Tobit 指数平滑进行预测的新方法。该模型是 Tobit 新息状态空间系统的一个特例，能有效处理观测到的删失时间序列，例如随时间具有已知且可能可变的删失水平的销售数据。本文对模型结构进行了全面分析，包括其在系统方程中的表示以及状态的最优递归估计。本文还探讨了时间聚合在状态空间系统中的优势，特别是在库存管理和需求预测方面。通过一系列案例研究，本文展示了该模型在各种场景下的有效性，包括小时和日删失水平。结果突显了该模型产生准确预测和置信带的能力，即使在严重删失条件下，其表现也与未删失模型相当。研究进一步讨论了对库存策略的影响，强调了在需求估计中避免螺旋下降效应的重要性。本文最后展示了所提出模型相对于标准方法的优越性，特别是在减少销售损失和多余库存方面，从而优化了库存成本。本研究通过提供一个有效应对删失数据和时间聚合挑战的稳健模型，为预测领域做出了贡献。