异质消费者交易-销售时间序列的概率预测
统计方法学
2022-06-07 v2 应用统计
摘要
我们提出用于消费者销售预测的新的贝叶斯方法。聚焦于许多超市商品日销售额的多步超前预测，我们调整动态计数混合模型以预测单个顾客交易，并引入新的动态二值级联模型以预测每笔交易的商品计数。这些交易-销售模型可纳入时变趋势、季节性、价格、促销、随机效应及其他针对单个商品的门店特定预测变量。序贯贝叶斯分析涉及对解耦商品集合的快速并行滤波，并可适应具有广泛不同特征的商品。多尺度方法支持具有相关时间模式的商品间的信息共享，从而改善预测，同时保持对大量商品的可扩展性。一个针对多商品、多周期、多步超前的超市销售预测的激励性案例研究提供了示例，展示了多种度量下预测准确性的提升，并说明了完整概率模型在预测准确性评估与比较中的益处。关键词：贝叶斯预测；解耦/重耦合；动态二值级联；预测校准；间歇性需求；多尺度预测；罕见事件预测；每笔交易销售额；超市销售预测
引用
@article{arxiv.1808.04698,
title = {Probabilistic forecasting of heterogeneous consumer transaction-sales time series},
author = {Lindsay R. Berry and Paul Helman and Mike West},
journal= {arXiv preprint arXiv:1808.04698},
year = {2022}
}
备注
23 pages, 5 figures, 1 table