Прогнозирование спроса на автомобили

Основной целью работы было определить способ прогнозирования сезонных временных рядов с наилучшей предсказательной способностью. Для сравнения были выбраны две модели: SARIMA и искусственные нейронные сети. Также были рассмотрены спецификации этих моделей с экзогенными переменными. Объектом прогнозирования выступал временной ряд на основе продаж автомобиля Lada Granta. Набор факторов, оказывающих влияние на зависимую переменную, определялся на основе существующей литературы в области прогнозирования и в процессе изучения автомобильной отрасли России. Данные были собраны за период с марта 2012 по март 2018 года и разделены на две выборки для обучения и тестирования моделей. Сравнения моделей основывалось на показателе MdAPE. Результаты исследования показали, что для долгосрочного прогноза лучше использовать модель искусственных нейронных сетей, но при этом необходимо предварительно избавиться от тренда и сезонности ряда. Для краткосрочного прогноза подходит метод SARIMA. В обоих случаях добавление экзогенных переменных приводит к положительным результатам. Практическое применение полученных выводов заключается в том, что их можно использовать в реальном бизнесе при выборе метода прогнозирования сезонного спроса, экономя тем самым время для проведения самостоятельного сравнения.