Wyniki wyszukiwania - BazTech

1

Ekonometryczne modelowanie popytu konsumpcyjnego na podstawie modelu SARIMA

Borucka A.

Gospodarka Materiałowa i Logistyka

|

2018

|

nr 5

85--97, CD

PL

Właściwie skonstruowane prognozy są dla przedsiębiorstwa istotnym etapem opracowywania strategii dotyczącej sprzedaży produktu. Pozwalają nie tylko w pełni zaspokoić oczekiwania rynku, ale również dostosować logistykę firmy i posiadane zasoby do oczekiwań klientów. Prognozowanie popytu jest szczególnie skomplikowane, gdy występuje sezonowość, a sprzedaż warunkują czynniki trudne do przewidzenia. Z pomocą przychodzą wtedy narzędzia i metody ekonometryczne, pozwalające na estymację modeli uwzględniających takie zakłócenia. W artykule przedstawiono zastosowanie modelu SARIMA do prognozowania popytu na lody, powalającego na krótkoterminową predykcję ich sprzedaży.

EN

Properly constructed forecasts are one of the most important stages for the company in developing its sales strategy. They allow not only to fully meet expectations of the market, but also to adjust the company’s logistics and resources to customer’s expectations. Demand forecasting is particularly complex when seasonality occurs and sales are conditioned by factors difficult to predict. Econometric tools and methods, which allow estimation of models taking into account such disturbances, are then helpful. The article presents application of SARIMA model to forecast the demand for ice cream, which allows for short-term predictions of their sales.

2

The problem of imputation of the missing data from the continuous counts of road traffic

Spławińska M.

Archives of Civil Engineering

|

2015

|

Vol. 61, nr 1

131--145

EN

Missing traffic data is an important issue for road administration. Although numerous ways can be found to impute them in foreign literature (inter alia, the most effective method, that is Box-Jenkins models), in Poland, still only proven and simplified methods are applied. The article presents the analyses including an assessment of the completeness of the existing traffic data and works related to the construction of SARIMA model. The study was conducted on the basis of hourly traffic volumes, derived from the continuous traffic counts stations located in the national road network in Poland (Golden River stations) from the years 2005 – 2010. As a result, the proposed model was used to impute the missing data in the form of SARIMA (1.1,1)(0,1,1)168. The newly developed model can be used effectively to fill in the missing required days of measurement for estimating AADT by AASHTO method. In other cases, due to its accuracy and laboriousness of the process, it is not recommended.

3

Zastosowanie wybranych modeli szeregów czasowych do prognozowania wielkości sprzedaży

Jurczyk K., Multana H., Woźniak W.

Logistyka

|

2014

|

nr 6

14299--14304, CD 6

PL

Przy rozliczeniach terminowych powszechnym zjawiskiem jest fakt, że zamówienia składane są w dużych odstępach czasu na stosunkowo dużą kwotę. Następnie następuje okres sprzedaży zamówionych produktów i akumulacja gotówki na spłatę zobowiązań. Często zdarza się, że pewnych produktów zaczyna już brakować, ale nie składa się zamówień oczekując na zebranie kwoty wystarczającej do spłaty poprzedniej zaległości zezwalającej na ponowny zakup z odroczonym terminem płatności. Odnotowujemy więc podwójną stratę. Zupełnie inaczej wygląda sytuacja w przypadku, gdy operujemy zamówieniami w krótkim odstępie czasu – maksymalne wykorzystanie obrotu gotówki gwarantuje przede wszystkim uniknięcie braków w asortymencie. Celem artykułu było zbudowanie modelu szeregu czasowego umożliwiającego predykcję wielkości sprzedaży w kolejnych dniach w wybranym przedsiębiorstwie. Wysokość obrotu dziennego jest czynnikiem mającym największy wpływ na efektywne zarządzanie gotówką i towarem dlatego też prognoza jest tak istotna. W badaniach wykorzystano modele SARIMA oraz sztuczne sieci neuronowe.

EN

The research objective was to build a time series models for forecasting sales. In the paper, the analysis of the possibility of using SARIMA models as well as artificial neural networks to forecast demand level at some trading company were introduced. The results has satisfied the authors.

4

Forecasting of air traffic : the case study of Oslo Airport

Janiszewski S., Wójtowicz M.

Logistyka

|

2014

|

nr 3

2517--2522

EN

In the paper two methods of forecasting passengers traffic at the Oslo Airport were presented. The first one is based on SARIMA time series, the other on ordinary regression. The SARIMA model was selected on the basis of analysis of autocorrelation and partial autocorrelation functions of residuals obtained, from a large group of SARIMA models. The parameters of the model selected were estimated by maximum likelihood method, using GRETL software. The regression model was constructed using the assumption on repeatability of the seasonal component obtained from subtraction of the linear trend from the original data. The regression parameters were estimated by ordinary least squares. It was concluded that both models returned reasonable results and can be applied in forecasting the passengers traffic.

PL

W pracy zaprezentowano dwie metody prognozowania ruchu pasażerskiego na przykładzie portu lotniczego w Oslo. Pierwsza z metod opiera się na metodologii szeregów czasowych typu SARIMA, druga – na regresji liniowej. Odpowiedni model SARIMA został wybrany po analizie funkcji autokorelacji (ACF) i autokorelacji cząstkowej (PACF) komponenty resztowej dla dużej klasy modeli. Parametry wskazanego modelu szacowano za pomocą metody największej wiarygodności, z zastosowaniem oprogramowania GRETL. Model regresyjny skonstruowano w oparciu o założenie powtarzalności składowej okresowej otrzymanej poprzez odjęcie trendu liniowego od wyjściowych danych. Parametry regresji liniowej szacowano za pomocą metody najmniejszych kwadratów. Stwierdzono, że oba modele dostarczają rozsądnej prognozy ruchu pasażerskiego.