Zeitreihenprognose auf regionaler Ebene erstellen
Manchmal hast du nicht die Zeit, für jedes Produkt eine Prognose zu erstellen, daher verwenden wir einen Top-down-Ansatz für hierarchische Prognosen. Diesmal gehen wir die Metropolregion rückwärts an!
Dein Workspace enthält bereits folgende Objekte: MET_total für die gesamten regionalen Verkäufe, dates_valid und MET_t_v für den Validierungsdatensatz.
Diese Übung ist Teil des Kurses
Prognose der Produktnachfrage in R
Anleitung zur Übung
- Erstelle ein Zeitreihenmodell für alle Verkäufe in der Metropolregion (
MET_total). - Erzeuge aus diesem Modell eine Prognose mit 22 Werten für 2017.
- Wandle diese Prognose in ein
xts-Objekt um. - Berechne den MAPE.
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Build a regional time series model using auto.arima
MET_t_model_arima <- ___(___)
# Calculate a 2017 forecast for 22 periods from the above model
for_MET_t <- ___(___, h = ___)
# Make an xts object from your forecast
for_MET_t_xts <- ___(___$mean, order.by = ___)
# Calculate the MAPE
MAPE <- mape(___, ___)
print(MAPE)