Metody wyznaczania prognoz kwantylowych w logistyce – weryfikacja empiryczna

• Autorzy: Bruzda, J.
• Języki publikacji: PL

Abstrakty

PL

W artykule podjęto zadanie weryfikacji empirycznej metod prognozowania kwantylowego, wykorzystywanego w logistyce do rozwiązywania tak popularnych problemów jak wyznaczanie punktu odnowienia, granicy uzupełniania zapasów czy optymalnej wielkości zamówienia w przypadku stosowania modelu jednookresowego. Porównaniem objęto 26 procedur, a w tym metody dostępne w SAP ERP (korekta prognozy nieobciążonej wykorzystująca średnie odchylenie absolutne i metoda wyrównywania wykładniczego z parametrem delta), różne zastosowania median i kwantyli regresyjnych, podstawową metodę bootstrapu blokowego, a także metody podręcznikowe. Wyniki analizy na bazie 30 szeregów z ogólnodostępnych baz danych (dotyczących tak różnorodnych zjawisk jak popyt na produkty spożywcze, przewozy pasażerskie czy zużycie gazu i wody) wskazują na dużą użyteczność median regresyjnych, kwantyli regresyjnych (w tym połączonych z wyrównywaniem wykładniczym) oraz procedur zaimplementowanych w SAP ERP.

Słowa kluczowe

PL

prognozy kwantylowe; logistyka; badania empiryczne

• Czasopismo: Logistyka
• Rocznik: 2016
• Tom: nr 5
• Strony: 9--13
• Opis fizyczny: Bibliogr. 12 poz., rys., tab.

Twórcy

autor

Bruzda, J.

• Uniwersytet im. M. Kopernika w Toruniu,

Bibliografia

• [1] Applied Forecasting, strona sponsorowana przez Route Optimization and Hailoo, http://www.appliedforecasting. com/quantiles-forecasts-for-inventory-optimization/, dostęp 2015-09-26.
• [2] Bruzda J. (2014), Prognozy Kwantylowe w Zastosowaniach Logistycznych: Wprowadzenie do Problematyki, (red. M. Chaberek, L. Reszka), Zeszyty Naukowe Uniwersytetu Gdańskiego. Ekonomika Transportu i Logistyka, 51, s. 175-195.
• [3] Ciesielski M. (red.) (2011), Zarządzanie Łańcuchami Dostaw, Polskie Wydawnictwo Ekonomiczne, Warszawa.
• [4] Clements M. P. (2005), Evaluating Econometric Forecasts of Economic and Financial Variables, Palgrave Macmillan, New York.
• [5] Doman M., Doman R. (2009), Modelowanie Zmienności i Ryzyka. Metody Ekonometrii Finansowej, Wolters Kluwer Business, Kraków.
• [6] Forecasting Principles, strona sponsorowana przez International Institute of Forecasters, http://www.forecastingprinciples.com/ index.php/data (dostęp: 26.09.2015).
• [7] Gneiting T. (2011), Quantiles as Optimal Point Forecasts, International Journal of Forecasting, 27, s. 197-207.
• [8] Granger C. W. J. (1999), Outline of Forecast Theory Using Generalized Cost Functions, Spanish Economic Review, 1, s. 161-173.
• [9] Koenker R. (2005), Quantile Regression, Cambridge University Press, Cambridge.
• [10] R Archive Network, https://cran.r-project.org/web/ packages/bayesm/index.html (dostęp: 26.09.2015).
• [11] SAP Help Portal, http://help.sap.com (dostęp: 26.09.2015).
• [12] Wagner B. (2010), Purchasing and Forecasting Using SAP ERP, Operations and Supply Chain Management Library, http://scn.sap.com/community/uac/operations-and-scmlibrary

Uwagi

Opracowanie ze środków MNiSW w ramach umowy 812/P-DUN/2016 na działalność upowszechniającą naukę.