Quiero pronosticar artículos minoristas (por semana) usando suavizado exponencial. Ahora mismo estoy atascado en cómo calcular, almacenar y aplicar los índices de sesonidad.
El problema es que todos los ejemplos que he encontrado tratan con una especie de estacionalidad simple. En mi caso, tengo los siguientes problemas: 1. Las estaciones no ocurren en la misma semana todos los años: son móviles. Mardi-gras, cuaresma, pascua y algunos otros. 2. Hay estaciones que cambian según el año. Por ejemplo, hay una temporada de fiestas nacionales. Dependiendo de si las vacaciones están cerca del fin de semana, los clientes saldrán o no de la ciudad. Así que es como tener dos estaciones: una en la que los clientes abandonan la ciudad y otra en la que no abandonan la ciudad. 3. Algunas veces ocurren dos (o 3) estaciones al mismo tiempo. Por ejemplo, tuvimos la temporada de "Mardi-Gras" al mismo tiempo que la temporada de San Valentín.
4. Algunas veces las estaciones cambian en duración. Por ejemplo, la "temporada de Halloween" comenzó a principios de este año. La Navidad también es otro ejemplo, donde parece que todos los años comenzamos antes a llevar los productos.
Me parece que necesito encontrar una manera de establecer algún tipo de "perfiles estacionales" que luego, dependiendo del escenario particular, de alguna manera se agreguen para obtener el índice estacional correcto. ¿Tiene sentido?
¿Alguien sabe dónde puedo encontrar información práctica sobre cómo hacer esto?
Gracias Edgard
fuente
Una solución simple sería incluir variables ficticias de eventos en su especificación:
donde es una toma valor del indicador si la semana tiene caso (digamos del carnaval) y 0 en caso contrario, para todos los eventos que considere importante. 1 t m mret , m 1 t m m
La primera parte de la especificación es esencialmente un suavizador exponencial pero con un peso variable en función de los retrasos (y estimado por OLS).λ1yt−1+...+λkyt−k
Esto supone que tiene al menos 20 observaciones para cada evento (es decir, 20 'carnaval'). Si este no es el caso, puede intentar agrupar algunos eventos (por ejemplo, mardi gras y día del trabajo).
La R para ajustar (1) es bastante sencilla, suponiendo que dlsales es estacionaria y D es su matriz de variables ficticias:
A partir de aquí, puede hacer preguntas más específicas sobre la parte de mi respuesta que no le son familiares (no sé cuál es su nivel en estadísticas).
fuente