Експоненційне прогнозування часових рядів в маркетингу

Abstract

Поняття прогнозування часових рядів – це застосування моделі для передбачування майбутніх значень на основі значень попередньо спостережених. Методи аналізу часових рядів: спектральний аналіз – дає змогу знаходити періодичні складові часового ряду; кореляційний аналіз – дає змогу знаходити суттєві періодичні залежності і відповідні їм затримки; багатоканальні моделі авторегресії і ковзного середнього – моделі застосовуються в тих випадках, коли є кілька корельованих між собою часових рядів; сезонна модель Бокса-Дженкінса — застосовується, коли часовий ряд містить явно виражений лінійний тренд і сезонні складові; прогноз експоненціально зваженим ковзним середнім — найпростіша модель прогнозування часового ряду

The concept of time series forecasting is the application of a model for prediction future values ​​based on previously observed values. Time analysis methods of series: spectral analysis - makes it possible to find periodic components of a time series; correlation analysis - makes it possible to find significant periodic dependencies and those corresponding to them delays; multi-channel models of autoregression and moving average models are used in cases where there are several time series correlated with each other; the seasonal Box-Jenkins model — is used when the time series contains explicitly pronounced linear trend and seasonal components; forecast by exponentially weighted sliding the average is the simplest time series forecasting model