Interpreta auto.arima

Hai appena costruito un modello per i tuoi dati, ma quale modello hai creato? Usa la console a destra per stampare l’oggetto MET_t_model e capire che tipo di modello di serie temporale hai.

Questo esercizio fa parte del corso

Previsione della domanda di prodotto in R

Visualizza corso

esercizio interattivo pratico

Trasforma la teoria in pratica con uno dei nostri esercizi interattivi

Inizia esercizio

Questo esercizio fa parte del corso

Previsione della domanda di prodotto in R

IntermediárioNível de habilidade

4.7+

Inizia il corso gratuitamente

Quando si parla di previsione, la modellazione di serie temporali è un ottimo punto di partenza! Devi stimare i valori futuri della domanda di vendita e un buon approccio di base sono i modelli ARIMA. In questo capitolo imparerai a implementare rapidamente modelli ARIMA e a ottenere buone previsioni iniziali della domanda futura dei prodotti.

Exercise 1: Caricare i dati in un oggetto xts Exercise 2: Importazione dei dati Exercise 3: Rappresentare/visualizzare i dati Exercise 4: Serie temporali ARIMA: le basi Exercise 5: Funzione auto.arima()Exercise 6: Interpreta auto.arima

Esercizio attuale

Exercise 7: Previsioni e valutazione Exercise 8: Funzione forecast Exercise 9: Calcolare MAPE e MAE Exercise 10: Visualizzare la previsione Exercise 11: Intervalli di confidenza per il forecast

La teoria economica ha molto da dire sulla previsione della domanda. Ovviamente, fattori esterni come prezzo, stagionalità e tempistiche delle promozioni influenzano alcuni aspetti della domanda di prodotto. In questo capitolo imparerai le basi dei modelli di elasticità del prezzo e come incorporare i fattori di stagionalità e di calendario delle promozioni nelle nostre previsioni della domanda di prodotto.

Exercise 1: Elasticità del prezzo Exercise 2: Calcolare l'elasticità prezzo Exercise 3: Interpreta i risultati dell’elasticità Exercise 4: Effetti stagionali, festivi e promozionali Exercise 5: Visualizza gli effetti di festività/promozioni Exercise 6: Crea variabili per effetti di festività/promozioni Exercise 7: Regressione per effetti di festività/promozioni Exercise 8: Effetti significativi di festività o promozioni?Exercise 9: Previsioni con la regressione Exercise 10: Crea variabili predittive future Exercise 11: Prevedi i valori futuri della domanda Exercise 12: Visualizzare le previsioni della regressione

I modelli di serie temporali e le regressioni sui prezzi non devono essere considerati approcci separati alla previsione della domanda di prodotto. Si possono combinare! In questo capitolo imparerai due modi per “combinare” le informazioni ricavate da entrambi gli approcci di modellazione: funzioni di trasferimento ed ensembling delle previsioni.

Exercise 1: Residui del modello di regressione Exercise 2: Calcolo dei residui dalla regressione Exercise 3: Visualizzare i residui Exercise 4: Prevedere i residui Exercise 5: Funzione auto.arima Exercise 6: Prevedere i residui con le serie temporali Exercise 7: Visualizzare le previsioni dei residui Exercise 8: Funzioni di trasferimento ed ensembling Exercise 9: Combinare i residui da regressione e serie storiche Exercise 10: Visualizzare il forecast con funzione di trasferimento Exercise 11: Calcolare MAPE e MAE della funzione di trasferimento Exercise 12: Previsioni ARIMA Exercise 13: Ensembling delle previsioni

Finora ci siamo occupati di creare modelli individuali per prevedere la domanda di prodotto. Tuttavia, non abbiamo ancora sfruttato il fatto che tutti questi prodotti costituiscono una gerarchia di vendita. I prodotti compongono le regioni e le regioni compongono gli stati. Come possiamo assicurarci che le nostre previsioni siano coerenti lungo tutta la gerarchia, dal basso verso l’alto e viceversa? In questo capitolo imparerai le previsioni gerarchiche e come usarle a tuo vantaggio nella previsione della domanda di prodotto.

Exercise 1: Previsioni gerarchiche bottom-up Exercise 2: Crea un forecast di serie temporale per il nuovo prodotto Exercise 3: Crea una previsione di regressione per un nuovo prodotto Exercise 4: Ensemble di previsione per il nuovo prodotto Exercise 5: Calcola il forecast bottom-up per l'intera regione Exercise 6: Previsioni gerarchiche Top-Down Exercise 7: Crea una previsione di serie storica a livello regionale Exercise 8: Uso delle proporzioni storiche medie Exercise 9: Uso della proporzione delle medie storiche Exercise 10: Previsioni gerarchiche middle-out Exercise 11: Crea una previsione di serie temporale per la nuova regione Exercise 12: Previsione top-down per una nuova regione Exercise 13: Previsione bottom-up per l’intero stato Exercise 14: Congratulazioni!