Temat: forecast sprzedazy sezonowej
Witam,
modelowanie sezonowości to sprawa o tyleż prosta, co skomplikowana. W pierwszym bowiem kroku należy sobie odpowiedzieć na pytanie, czy niestacjonarność ma charakter deterministyczny czy stochastyczny.
Ponieważ mowa jest o sprzedaży, a więc procesie strumieniowym, to biorąc pod uwagę charakter jego powstawania (nie jest to proces sumacyjny), należy się spodziewać niestacjonarności deterministycznej.
Pierwszy więc wniosek? Modele klasy SARIMA są nieadekwatne. Ktoś mówił o Demetrze. Demetra to w zasadzie TRAMO/SEATS, tylko z czytelnym interfejsem. Jednak z TRAMO/SEATS są kłopoty nawet dla procesów zintegrowanych: TRAMO preferuje modele "zbilansowane", tj. takie, gdzie p+d=q oraz P+D=Q (w notacji ARIMA(p,d,q)(P,D,Q). Dlaczego akurat tak - nie miejsce i czas o tym, warto jednak wiedzieć, że modele te są bardzo "nieżyciowe' (w sensie wybranych specyfikacji) i często generują prognozy gorsze, niż X-12-ARIMA, która także oparta jest na SARIMA.
Jak więc modelować sezonowość sprzedaży? Zakładając stacjonarne odchylenia od trendu (a dokładnie: wartości średniej procesu), należy wykorzystać zmienne zero-jedynkowe do opisu sezonowości (przy czym ich typ, tj. scentrowane, zwykłe czy z odjętą 1 nie ma tutaj to znaczenia). Uwzględnienie składowych harmonicznych także nie jest wskazane, gdyż ze względu na różną długość miesięcy (możliwe 4 przypadki) oraz to, że wiele miesięcy kończy się liczbą nieparzystą, następują przesunięcia fazy cyklu i tak naprawdę nie wiadomo który miesiąc się tak naprawdę opisuje.
Wszystkie wskazane metody, tj. TRAMO/SEATS, X-12-ARIMA, zmiene zero-jedynkowe oraz składowe harmoniczne możliwe są do oszacowania w Gretlu (który jest wolnym oprogramowaniem).
Pozdrawiam
Marcin
P.S. Słowo "forecast" posiada bardzo dobry polski odpowiednik...
dr Marcin, Jan Błażejowski edytował(a) ten post dnia 02.11.08 o godzinie 09:37