Fungsi forecast

Sebelumnya Anda telah membangun sebuah model dan menyimpannya sebagai MET_t_model. Sekarang kita perlu melakukan peramalan nilai dari model ini untuk 5 bulan pertama tahun 2017.

Latihan ini merupakan bagian dari kursus

Peramalan Permintaan Produk dengan R

Instruksi latihan

Gunakan fungsi forecast untuk meramalkan MET_t_model Anda. Simpan hasilnya sebagai forecast_MET_t.
Anda perlu meramalkan untuk 22 minggu pertama di tahun 2017.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# Forecast the first 22 weeks of 2017
forecast_MET_t <- forecast(___, h = ___)

# Plot this forecast #
plot(___)

Edit dan Jalankan Kode

Latihan ini merupakan bagian dari kursus

Peramalan Permintaan Produk dengan R

SkillTag.level.intermediateSkillTag.label

4.7+

Mulai Kursus Gratis

Untuk peramalan, pemodelan deret waktu adalah tempat yang tepat untuk mulai! Anda perlu meramalkan nilai permintaan penjualan di masa depan dan pendekatan dasar yang baik adalah model ARIMA. Di bab ini Anda akan mempelajari cara menerapkan model ARIMA dengan cepat dan memperoleh ramalan awal yang baik untuk permintaan produk di masa depan.

Exercise 1: Memuat data ke dalam objek xts Exercise 2: Mengimpor data Exercise 3: Memplot / memvisualisasikan data Exercise 4: Pengantar Deret Waktu ARIMA 101 Exercise 5: Fungsi auto.arima()Exercise 6: Menginterpretasikan auto.arima Exercise 7: Peramalan dan Evaluasi Exercise 8: Fungsi forecast

Latihan Saat Ini

Exercise 9: Menghitung MAPE dan MAE Exercise 10: Memvisualisasikan Prakiraan Exercise 11: Interval Kepercayaan untuk Peramalan

Teori ekonomi banyak membahas tentang memprediksi nilai permintaan. Jelas, faktor eksternal seperti harga, musiman, dan waktu promosi akan memengaruhi beberapa aspek permintaan produk. Di bab ini Anda akan mempelajari dasar-dasar model elastisitas harga dan cara memasukkan faktor musiman serta waktu promosi ke dalam ramalan permintaan produk kita.

Exercise 1: Elastisitas harga Exercise 2: Menghitung elastisitas harga Exercise 3: Menginterpretasikan hasil elastisitas Exercise 4: Dampak musiman/liburan/promosi Exercise 5: Visualisasikan efek hari libur/promosi Exercise 6: Buat variabel efek hari libur / promosi Exercise 7: Regresi untuk efek hari libur/promosi Exercise 8: Apakah ada efek hari raya atau promosi yang signifikan?Exercise 9: Peramalan dengan regresi Exercise 10: Buat variabel prediktor untuk periode mendatang Exercise 11: Meramalkan nilai permintaan di masa depan Exercise 12: Memvisualisasikan peramalan dengan regresi

Model deret waktu dan regresi harga tidak harus dipandang sebagai pendekatan yang terpisah untuk peramalan permintaan produk. Keduanya dapat dikombinasikan! Di bab ini Anda akan mempelajari dua cara "menggabungkan" informasi yang diperoleh dari kedua pendekatan pemodelan tersebut—transfer function dan penggabungan ramalan (forecast ensembling).

Exercise 1: Residual dari model regresi Exercise 2: Menghitung residual dari regresi Exercise 3: Memvisualisasikan residual Exercise 4: Meramalkan residual Exercise 5: Fungsi auto.arima Exercise 6: Peramalan residual dengan deret waktu Exercise 7: Memvisualisasikan peramalan residual Exercise 8: Fungsi transfer & ensembling Exercise 9: Menggabungkan residual dari regresi & deret waktu Exercise 10: Memvisualisasikan peramalan fungsi transfer Exercise 11: Menghitung MAPE dan MAE fungsi transfer Exercise 12: Peramalan ARIMA Exercise 13: Ensembling Ramalan

Sampai titik ini, semuanya membahas pembuatan model individual untuk meramalkan permintaan produk. Namun, kita belum memanfaatkan fakta bahwa semua produk tersebut membentuk hierarki penjualan. Produk membentuk wilayah dan wilayah membentuk negara bagian. Bagaimana kita memastikan bahwa ramalan kita selaras dengan benar naik dan turun dalam hierarki? Di bab ini Anda akan mempelajari peramalan hierarkis dan cara menggunakannya untuk keuntungan Anda dalam meramalkan permintaan produk.

Exercise 1: Peramalan Hierarkis Bottom-Up Exercise 2: Bangun peramalan deret waktu untuk produk baru Exercise 3: Bangun peramalan regresi untuk produk baru Exercise 4: Ensemble prakiraan untuk produk baru Exercise 5: Hitung peramalan bottom-up untuk seluruh wilayah Exercise 6: Peramalan Hierarkis Top-Down Exercise 7: Bangun peramalan deret waktu pada tingkat regional Exercise 8: Menggunakan proporsi historis rata-rata Exercise 9: Menggunakan proporsi dari rata-rata historis Exercise 10: Peramalan Hierarkis Middle-Out Exercise 11: Bangun peramalan deret waktu untuk wilayah baru Exercise 12: Peramalan top-down untuk wilayah baru Exercise 13: Prediksi bottom-up untuk seluruh negara bagian Exercise 14: Selamat!