• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Прогнозирование объема продаж товаров ежедневного потребления

ФИО студента: Скворцова Екатерина Викторовна

Руководитель: Станкевич Иван Павлович

Кампус/факультет: Факультет экономических наук

Программа: Экономика и статистика (Бакалавриат)

Год защиты: 2020

Данная работа посвящена анализу точности предиктивных моделей временных рядов в рамках ограниченной информации в области ритейла. В рамках работы сравниваются два подхода прогнозирования: классический, с использованием эконометрических моделей, и подход, основанный на моделях машинного обучения. Основной гипотезой исследования является то, что модели машинного обучения могут за неимением данных прошлого периода с лагом зависимой переменной, равной году, в секторе торговли выдавать релевантные прогнозы для принятия решений за счет вычленения паттернов внутри представленных данных, в то же время эконометрические модели составляют конкуренцию по метрике точности только при условии полных данных о прошлых периодах. В качестве данных для исследования были выбраны данные о продажах магазина бытовой химии Rossman. Наилучший результат в условиях ограниченности данных представлен моделью градиентного бустинга и кросс-валидации настраиваемых параметров, связанных со скоростью обучения и количеством деревьев, используемых в данном методе, в работе также были рассмотрены модели решающих деревьев, случайного леса, адаптивной лассо-регрессии, а также авторегрессионная модель с учетом сезонности. Модели авторегрессии и лассо-регрессии показали результаты при ограниченном объеме данных в три раза хуже, по сравнению с моделями машинного обучения, однако стоит отметить, что прирост в точности при добавлении данных за предыдущий год у этих моделей был значительнее. Для оценки точности использовалась метрика RMSPE. Важным аспектом в рамках исследования также стало определение факторов, которые привносят наибольший вклад в изменение динамики продаж. Модель градиентного бустинга, адаптивная лассо-регрессия, а также модель случайного леса выделили самыми значимыми факторами – удаленность от конкурентов, наличие промо-акции и день недели, в который была совершена покупка. С практической точки зрение данное исследование показало, что магазин выбирается клиентами из-за удаленности других конкурентных сетей или из-за сильной ценовой разницы, выраженной в промо.

Выпускные квалификационные работы (ВКР) в НИУ ВШЭ выполняют все студенты в соответствии с университетским Положением и Правилами, определенными каждой образовательной программой.

Аннотации всех ВКР в обязательном порядке публикуются в свободном доступе на корпоративном портале НИУ ВШЭ.

Полный текст ВКР размещается в свободном доступе на портале НИУ ВШЭ только при наличии согласия студента – автора (правообладателя) работы либо, в случае выполнения работы коллективом студентов, при наличии согласия всех соавторов (правообладателей) работы. ВКР после размещения на портале НИУ ВШЭ приобретает статус электронной публикации.

ВКР являются объектами авторских прав, на их использование распространяются ограничения, предусмотренные законодательством Российской Федерации об интеллектуальной собственности.

В случае использования ВКР, в том числе путем цитирования, указание имени автора и источника заимствования обязательно.

Реестр дипломов НИУ ВШЭ