Розробка комбінованого методу пророкування дискретних часових рядів з нестаціонарністю для прогнозування попиту товарів військового призначення
DOI:
https://doi.org/10.15587/2312-8372.2019.188188Ключові слова:
модель прогнозування, дискретний часовий ряд, випадкові вихідні дані, комбінований метод прогнозу.Анотація
Об’єктом дослідження є модель виробничої системи товарів військового призначення з нестаціонарними процесами. У дослідженні часових рядів характеристик виробничої системи різні конкуруючі моделі, як правило, отримуються у виробничих умовах із стохастичними даними стосовно виходу продукції, що пояснюється проблемами вузьких місць. Отже, вибір найкращої моделі, що описує виробничу систему, стає складним та критичним, оскільки деякі моделі, які найбільш точно відповідають спостережуваним даним, можуть не передбачити майбутні значення відповідно до складності моделі. Це дослідження прагне продемонструвати процедуру вибору моделі у системі з випадковими даними за допомогою скоригованих вагових коефіцієнтів. У даній роботі представлено метод поєднання двох наборів прогнозів. Отримані вимірювання служать вхідними даними до функції автокореляції та часткової функції автокореляції для отримання порядку прогнозуючих моделей. Параметри моделі оцінювали та використовували для прогнозування та порівнювали з вихідними та перетвореними даними для отримання суми квадратів помилок у (SSE). Потім моделі були піддані оцінці адекватності та згодом були протестовані за критеріями Akaike та Schwarz. Два окремі набори прогнозів даних часового ряду об'єднані для формування комбінованого набору прогнозів. Слід зазначити, що, коли кожен набір прогнозів містить деяку незалежну інформацію, комбіновані прогнози можуть дати покращення. Запропонований метод комбінування прогнозів дозволяє змінювати вагові коефіцієнти, що може призвести до кращих прогнозів. Основний висновок полягає в тому, що набір прогнозів може призвести до меншої середньоквадратичної помилки, ніж будь-який з початкових прогнозів. Минулі помилки кожного з початкових прогнозів використовуються для визначення ваги для приєднання цих двох оригінальних прогнозів при формуванні комбінованих прогнозів. Однак результативність прогнозу може змінюватися з часом.
Посилання
- Box, G. E. P., Jenkins, G. M., Siegel, A. F. (2016). Time series analysis: forecasting and control. London: Elsevier Inc., 622.
- Petropoulos, F., Makridakis, S., Assimakopoulos, V., Nikolopoulos, K. (2014). “Horses for Courses” in demand forecasting. European Journal of Operational Research, 237 (1), 152–163. doi: http://doi.org/10.1016/j.ejor.2014.02.036
- Priestley, M. B., Tong, H. (1973). On the Analysis of Bivariate Non-Stationary Processes. Journal of the Royal Statistical Society: Series B (Methodological), 35 (2), 153–166. doi: http://doi.org/10.1111/j.2517-6161.1973.tb00949.x
- Petropoulos, F., Goodwin, P., Fildes, R. (2017). Using a rolling training approach to improve judgmental extrapolations elicited from forecasters with technical knowledge. International Journal of Forecasting, 33 (1), 314–324. doi: http://doi.org/10.1016/j.ijforecast.2015.12.006
- Seifert, M., Siemsen, E., Hadida, A. L., Eisingerich, A. B. (2015). Effective judgmental forecasting in the context of fashion products⋆. Journal of Operations Management, 36 (1), 33–45. doi: http://doi.org/10.1016/j.jom.2015.02.001
- Kubiv, S. (2019). Approximations and forecasting quasi-stationary processes with sudden runs. Technology Audit and Production Reserves, 4 (4 (48)), 37–39. doi: http://doi.org/10.15587/2312-8372.2019.179265
- Fildes, R., Petropoulos, F. (2015). Simple versus complex selection rules for forecasting many time series. Journal of Business Research, 68 (8), 1692–1701. doi: http://doi.org/10.1016/j.jbusres.2015.03.028
- Verbeek, M. (2017). A Guide to Modern Econometrics. Hoboken: John Wiley & Sons, Inc., 508.
- Greene, W. H. (2012). Econometric analysis. Upper Saddle River: Pearson Education, Inc., 1189.
- Barnard, G. A. (1963). New Methods of Quality Control. Journal of the Royal Statistical Society. Series A (General), 126 (2), 255–259. doi: http://doi.org/10.2307/2982365
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2019 Stepan Kubiv, Yuriy Balanyuk
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.
