Bygg en tidsserieprognoser på regional nivå
Ibland finns det inte tid att bygga prognoser för varje enskild produkt – då använder vi oss av en top-down-metod för hierarkisk prognosstyrning. Den här gången arbetar vi med storstadsregionen i omvänd ordning!
Din arbetsmiljö innehåller följande förinstansierade objekt: MET_total för regionens totala försäljning, dates_valid och MET_t_v för valideringsdatamängden.
Den här övningen är en del av kursen
Prognostisering av produktefterfrågan i R
Övningsinstruktioner
- Bygg en tidsseriemodell för all försäljning i storstadsregionen (
MET_total). - Prognostisera 22 värden framåt till 2017 utifrån den här modellen.
- Omvandla prognosen till ett
xts-objekt. - Beräkna MAPE.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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)