Budowanie prognozy szeregu czasowego na poziomie regionalnym
Czasem nie ma czasu na budowanie prognoz dla każdego produktu z osobna – wtedy z pomocą przychodzi podejście odgórne w prognozowaniu hierarchicznym. Tym razem pracujemy z regionem metropolitalnym, ale w odwrotnym kierunku!
W środowisku pracy masz wczytane następujące obiekty: MET_total z łącznymi wynikami sprzedaży dla regionu, dates_valid oraz MET_t_v jako zbiór walidacyjny.
To ćwiczenie jest częścią kursu
Prognozowanie popytu na produkty w R
Instrukcje do ćwiczenia
- Zbuduj model szeregu czasowego dla łącznej sprzedaży w regionie metropolitalnym (
MET_total). - Wygeneruj prognozę na 22 kolejne wartości w roku 2017.
- Przekształć tę prognozę w obiekt
xts. - Oblicz MAPE.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# 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)