ISF 2019, Салоники, Греция

В этот раз я презентовал спин-офф исследования на тему прерывистого спроса. Идея исследования в том, чтобы в случае с сезонным прерывистым спросом (часто встречающимся в розничной торговле, например, при продаже арбузов и дынь) использовать регрессии с смешанными моделями (например, логистическая + лог-нормальная регрессии). Результаты получаются интересные, но пока не окончательные, так как у меня мало […]

SMUG2019

Недавно я был приглашён в качестве выступающего на конференцию SMUG2019 (SMoothie Users Group), организованную компанией Demand Works в Нью Йорке. Меня попросили сделать презентации на две темы: «Модель ARIMA в форме пространства состояний для прогнозирования в цепях поставок«, на основе которой я помог разработать компании специальный модель, «Искусственный интеллект в бизнесе» — одна из тех […]

Презентация на OR60. Экспоненциальное сглаживание: прошлое, настоящее и будущее

Роберт Файлдс попросил меня приготовить обзор на тему экспоненциального сглаживания для конференции OR60, которая прошла в Ланкастере c 11 по 13 сентября. Я решил сделать обзор в формате «прошлое — настоящее — будущее», добавив в последнюю часть модель, которую мы разрабатываем с Никосом (GUM — Generalised Univariate Model, что-то типа «Обобщённая одномерная модель»). В конце […]

Пакет «smooth» для R. Прерывистый спрос. Часть 1. Введение

ОБНОВЛЕНИЕ: Начиная с версии smooth v 2.5.0, модели и соответствующие функции были изменены. Теперь вместо intermittent и iss() в пакете существуют occurrence и oes(). Пожалуйста, используйте новые функции и новые параметры. Старый функционал будет удален в следующей версии пакета. Этот статья была обновлена 25 апреля 2019 года. Одно из преимуществ функций пакета smooth заключается во […]

ISF 2018, Болдер, США

В этом году я презентовал исследование, являющееся продолжением того, что я докладывал в прошлом году в Австралии. Название презентации — «Forecasting intermittent data with complex patterns» (Прогнозирование прерывистых данных со сложными тенденциями). В этом исследовании мы разработали модель с логистической вероятностью, которая позволяет вылавливать сложные паттерны в переменной «появления спроса». Фактически с помощью нехитрых преобразований […]

Презентация в Филадельфии

В этом году я принял участие в конференции Informs Society for Marketing Science в Филадельфии. Я презентовал исследование, которое мы проводим вместе с Викторие Григорьевой, Яной Салиховой и Флорианом Достом. Пока что это одна из первых стадий исследования. Мы пытаемся выловить динамику экосистем на рынке мобильных устройств для того, чтобы понять, в какой момент экосистема […]

Пакет greybox для R

На днях я разместил в CRAN новый пакет — greybox (серый ящик). Идея названия произрастает из принципов моделирования, в соответствии с которыми все модели могут быть условно разделены на три типа: Чёрный ящик — модель, в которой неизвестны ни структура, ни параметры. Мы видим только входной и выходной сигналы Белый ящик — модель, в которой […]

Сравнение аддитивной и мультипликативной регрессий с помощью AIC в R

Один из основных принципов, которому учат студентов в курсе статистикик заключается в том, что сравнение регрессионных моделей с помощью информационных критериев возможно только в том случае, когда выходная переменная в моделях одинаковая. Например, модель с выходной переменной \(\log(y_t)\) не может быть сравнена с моделью с \(y_t\) с помощью AIC. Причина в том, что переменные имеют […]

Пакет «smooth» для R. Общие параметры. Часть 4. Экзогенные переменные. Продвинутый уровень

В прошлый раз мы рассмотрели основы по работе с экзогенными переменными в функциях пакета smooth. Сегодня мы поговорим о более продвинутых вещах. Но прежде чем перейти к ним, нам нужно поговорить о вспомогательных функциях, которые реализованы в пакете greybox и используются в smooth. Первая из них называется xregExpander() и позволяет генерировать лаговые переменные на основе […]

Пакет «smooth» для R. Общие параметры. Часть 3. Экзогенные переменные. Основы

Одно из преимуществ функций пакета smooth — это возможность использовать экзогенные переменные (регрессоры). Это потенциально может привести к росту точности прогнозов, в случае, если у вас в распоряжении есть хорошие оценки будущих значений включённых переменных. Например, в случае с ритейлом в качестве экзогенной переменной может выступать наличие акции в магазине («купите один шампунь, получите ящик […]