Interpretace auto.arima

Právě sis sestavil/a model pro svá data – ale jaký model to vlastně je? Pomocí konzole napravo vypiš objekt MET_t_model a zjisti, o jaký typ modelu časové řady se jedná.

Toto cvičení je součástí kurzu

Předpovídání poptávky po produktech v R

Interaktivní praktické cvičení

Proměňte teorii v praxi s jedním z našich interaktivních cvičení

Začít cvičení

Toto cvičení je součástí kurzu

Předpovídání poptávky po produktech v R

SkillTag.level.intermediateSkillTag.label

4.7+

Začněte kurz zdarma

Když přijde řeč na prognózování, modelování časových řad je skvělým výchozím bodem! Potřebuješ předpovědět budoucí hodnoty prodejní poptávky a dobrým základním přístupem jsou modely ARIMA. V této kapitole se naučíš, jak rychle implementovat modely ARIMA a získat kvalitní počáteční prognózy budoucí poptávky po produktech.

Exercise 1: Načítání dat do objektu xts Exercise 2: Import dat Exercise 3: Vykreslení a vizualizace dat Exercise 4: ARIMA modely časových řad Exercise 5: Funkce auto.arima()Exercise 6: Interpretace auto.arima

Aktuální cvičení

Exercise 7: Předpovídání a vyhodnocování Exercise 8: Funkce forecast Exercise 9: Výpočet MAPE a MAE Exercise 10: Vizualizace předpovědi Exercise 11: Intervaly spolehlivosti pro předpověď

Ekonomická teorie má k předpovídání hodnot poptávky hodně co říct. Externími faktory jako cena, sezónnost nebo načasování propagačních akcí jsou samozřejmě ovlivněny i různé aspekty poptávky po produktech. V této kapitole se seznámíš se základy modelů cenové elasticity a naučíš se, jak do prognóz poptávky začlenit faktory sezónnosti a propagačních akcí.

Exercise 1: Cenová elasticita Exercise 2: Výpočet cenové elasticity Exercise 3: Interpretace výsledků elasticity Exercise 4: Sezónní, sváteční a promo efekty Exercise 5: Vizualizace vlivu svátků a propagačních akcí Exercise 6: Vytvoření proměnných pro svátky a propagační akce Exercise 7: Regrese pro sváteční a propagační efekty Exercise 8: Významné efekty svátků nebo akcí?Exercise 9: Prognózování pomocí regrese Exercise 10: Vytvoření prediktivních proměnných pro budoucí předpovědi Exercise 11: Předpověď budoucích hodnot poptávky Exercise 12: Vizualizace prognóz z regrese

Modely časových řad a cenové regrese nemusíš vnímat jako dva oddělené přístupy k prognózování poptávky po produktech – lze je kombinovat! V této kapitole se naučíš dva způsoby, jak „propojit" poznatky z obou modelovacích přístupů: přenosové funkce a sestavování souborných prognóz.

Exercise 1: Rezidua z regresního modelu Exercise 2: Výpočet reziduí z regresního modelu Exercise 3: Vizualizace reziduálů Exercise 4: Předpovídání reziduálů Exercise 5: Funkce auto.arima Exercise 6: Předpověď reziduí pomocí časových řad Exercise 7: Vizualizace předpovědí reziduí Exercise 8: Transfer funkce a ensembling Exercise 9: Kombinování reziduí z regrese a časových řad Exercise 10: Vizualizace předpovědi transferové funkce Exercise 11: Výpočet MAPE a MAE pro transfer funkci Exercise 12: ARIMA prognóza Exercise 13: Ensembling forecastů

Vše, co jsme probírali doposud, se týkalo tvorby jednotlivých modelů pro prognózování poptávky po produktech. Zatím jsme ale nevyužili skutečnosti, že všechny tyto produkty tvoří prodejní hierarchii. Produkty tvoří regiony a regiony tvoří státy. Jak zajistit, aby se naše prognózy správně shodovaly na všech úrovních hierarchie? V této kapitole se naučíš, co je hierarchické prognózování a jak ho využít ve svůj prospěch při předpovídání poptávky po produktech.

Exercise 1: Hierarchické prognózování zdola nahoru Exercise 2: Vytvoř předpověď časové řady pro nový produkt Exercise 3: Sestavení regresní předpovědi pro nový produkt Exercise 4: Ensemble prognóza pro nový produkt Exercise 5: Výpočet předpovědi zdola nahoru pro celý region Exercise 6: Hierarchické prognózování shora dolů Exercise 7: Sestavení prognózy časové řady na regionální úrovni Exercise 8: Použití průměrných historických podílů Exercise 9: Použití poměru historických průměrů Exercise 10: Hierarchické předpovídání metodou middle-out Exercise 11: Sestavení prognózy časové řady pro nový region Exercise 12: Prognóza shora dolů pro novou oblast Exercise 13: Předpověď zdola nahoru pro celý stát Exercise 14: Gratulujeme!