面向商业收益贝叶斯预测的多变量动态建模
统计方法学
2022-06-07 v1
摘要
对企业整体收益的预测对许多公司至关重要,并为显著的业务影响带来若干挑战与机遇。本案例研究基于为应对某大型零售公司预测挑战而开展的模型开发。聚焦于跨超市集合与产品类别的多变量收益预测,分层动态模型是自然的:它们能够在一个集成预测模型中耦合收益流,同时允许条件解耦以支持相关且灵敏的分析以及可扩展计算。结构化模型利用多尺度建模,将价格与促销活动的信作为跨类别与门店组相关的预测变量进行级联。以提前 12 周预测收益这一贴合实际的关注点为中心,本研究突出了受益于多尺度信息的产品类别,界定了多变量模型在何时、如何以及为何提升预测精度的见解,并展示了跨类别依赖如何关联到一个类别中影响其他类别的促销决策。案例研究背后的贝叶斯建模开发在自定义代码中可供感兴趣的读者获取。
引用
@article{arxiv.2112.05678,
title = {Multivariate Dynamic Modeling for Bayesian Forecasting of Business Revenue},
author = {Anna K. Yanchenko and Graham Tierney and Joseph Lawson and Christoph Hellmayr and Andrew Cron and Mike West},
journal= {arXiv preprint arXiv:2112.05678},
year = {2022}
}