¿Cómo aprovechar las series múltiples con el mismo comportamiento para la previsión?

Question

Soy bastante nuevo en estadísticas y pronósticos, y tengo que construir un modelo para pronosticar las ventas mensuales de diferentes productos relacionados en un grupo de ciudades.

El ARIMA estacional parece ser un buen modelo para eso, pero eso implica crear un modelo para cada uno de los productos en cada ciudad (tengo alrededor de 300 series). No creo que haya nada de malo en eso, pero me pregunto si existe un modelo que pueda tener en cuenta todas las series al mismo tiempo para mejorar el pronóstico.

Answer 1

Puede usar un modelo de regresión generalizado para producir pronósticos jerárquicos a partir de los pronósticos individuales.

Aquí hay un enlace:

https://www.otexts.org/fpp/9/4

Answer 2

Hay un artículo en el sitio web inside-R que utiliza la descomposición de la señal para entrenamiento y prueba y luego previsión con una red neuronal y que podría ser una alternativa útil a los modelos de regresión generalizada. Se proporciona el código R

enlace aquí

Answer 3

Intente encontrar los factores comunes y modele estos factores. Por ejemplo, podría ejecutar PCA y ver si hay algunos factores que explican la varianza de su serie 300. Es posible que encuentres un puñado de componentes principales que expliquen una gran parte de la varianza de las 300 series. En este caso, solo modelará estos pocos factores. Entonces puedes recuperar la serie original de los factores.