零售多维销售数据上的最优组合预测
机器学习
2019-03-25 v1 机器学习
应用统计
统计方法学
摘要
零售领域的时间序列数据在维度上尤为丰富，这些维度可按组或层次聚合。有价值的信息嵌套于这些复杂结构中，有助于预测聚合的时间序列数据。从HUUB监测的品牌组合中，我们选取两个以利用其产品结构的分组特性来探究销售行为。使用统计模型（即SARIMA）预测层次的每一层，并采用最优组合方法在更高层生成更一致的预测。我们的结果表明，所提方法确实能捕捉更细粒度序列中的嵌套信息，从而提升聚合序列的预测精度。加权最小二乘（WLS）方法超越了研究中提出的所有其他方法，包括最小迹（MinT）协调。
引用
@article{arxiv.1903.09478,
title = {Optimal Combination Forecasts on Retail Multi-Dimensional Sales Data},
author = {Luis Roque and Cristina A. C. Fernandes and Tony Silva},
journal= {arXiv preprint arXiv:1903.09478},
year = {2019}
}
备注
8 pages, 6 figures