So-net無料ブログ作成
時系列解析 / 需要予測 ブログトップ

時系列解析まわりの参考図書 [時系列解析 / 需要予測]

本格的に時系列解析を勉強しなおそうと思い、下記の6冊買いました。
(買ってもらいました。。。)


時系列解析入門

時系列解析入門

  • 作者: 北川 源四郎
  • 出版社/メーカー: 岩波書店
  • 発売日: 2005/02/24
  • メディア: 単行本




Rによる時系列分析入門

Rによる時系列分析入門

  • 作者: 田中 孝文
  • 出版社/メーカー: シーエーピー出版
  • 発売日: 2008/06
  • メディア: 単行本




状態空間時系列分析入門

状態空間時系列分析入門

  • 作者: J.J.F. コマンダー
  • 出版社/メーカー: シーエーピー出版
  • 発売日: 2008/09
  • メディア: 単行本




ベイズ統計データ解析 (Rで学ぶデータサイエンス 3)

ベイズ統計データ解析 (Rで学ぶデータサイエンス 3)

  • 作者: 姜 興起
  • 出版社/メーカー: 共立出版
  • 発売日: 2010/07/24
  • メディア: 単行本




現場ですぐ使える時系列データ分析 ~データサイエンティストのための基礎知識~

現場ですぐ使える時系列データ分析 ~データサイエンティストのための基礎知識~

  • 作者: 横内 大介
  • 出版社/メーカー: 技術評論社
  • 発売日: 2014/02/18
  • メディア: 単行本(ソフトカバー)




赤池情報量規準AIC―モデリング・予測・知識発見

赤池情報量規準AIC―モデリング・予測・知識発見

  • 作者: 樺島祥介
  • 出版社/メーカー: 共立出版
  • 発売日: 2007/07/06
  • メディア: 単行本



nice!(33)  コメント(0)  トラックバック(0) 
共通テーマ:学問

統計数理研究所の公開講座:非定常時系列解析 [時系列解析 / 需要予測]

統数研が立川に移転して、しばらく公開講座に行けていませんでしたが、行ってきました。

X.非定常時系列解析(H26講座B追加開催)
http://www.ism.ac.jp/lectures/26x.html

中級ってことで、それなりの歯ごたえはあったが、いくつかやってみたいアイデアが湧いてきて、とても充実した内容でした。

ただ、講義を聞いていただけではすぐに忘れそう。
実際に自分でコードを書いてみないとイメージが湧かない。

ちなみに、参考図書は下記の2冊。


時系列解析入門

時系列解析入門

  • 作者: 北川 源四郎
  • 出版社/メーカー: 岩波書店
  • 発売日: 2005/02/24
  • メディア: 単行本




ベイズ統計データ解析 (Rで学ぶデータサイエンス 3)

ベイズ統計データ解析 (Rで学ぶデータサイエンス 3)

  • 作者: 姜 興起
  • 出版社/メーカー: 共立出版
  • 発売日: 2010/07/24
  • メディア: 単行本



nice!(4)  コメント(0)  トラックバック(0) 
共通テーマ:学問

時系列分析、ARIMAを使ったの日別予測 [時系列解析 / 需要予測]

需要予測などでARIMAを使った月の予測はそこそこ当たる。
これを日単位のARIMAで予測させようとすると、なかなか当たらない。

そこで、以下のような分析手順を考えてみた。

ステップ 1
まずは、月単位の予測を行い、大外れしないようにする。

ステップ 2
月単位を日単位に置換する。
→ 過去分のデータから日単位の構成比を計算する。
→ 過去データは、曜日効果を考慮し最も近い同じ曜日を取得する。
→ 加重平均で構成比を計算する。

予測結果だが、驚くほど良い具合に当たっている!
20120125_img01.jpg

20120125_img02.jpg

分析ツールは、IBM SPSS Modeler(旧クレメンタイン)を使って作成した。
20120125_img03.jpg


SPSSによる時系列分析の手順

SPSSによる時系列分析の手順

  • 作者: 石村 貞夫
  • 出版社/メーカー: 東京図書
  • 発売日: 2006/05
  • メディア: 単行本



nice!(13)  コメント(0)  トラックバック(0) 
共通テーマ:学問

IBM SPSS『Statistics時系列分析』 [時系列解析 / 需要予測]

IBM SPSS『Statistics時系列分析』を受講してきた。

Statisticsの時系列オプションは持っていないのだが、IBM SPSS Modeler(旧 Clementine)に時系列ノードが追加されたので、基本的にはそれで十分だったりする。

セミナーを受けながら、同時にクレメンタインで同じことを操作していたのだが、Statisticsとクレメンタインと同じ計算結果が返ってきていた。

もちろん、Statisticsのオプションならではってものもなくはないのだが。。。
ある部分では、SPSS Modelerの方が便利というか応用範囲が広い気がした。

このあたりはまたどこかで書いてみたいと思う。


SPSSによる時系列分析の手順

SPSSによる時系列分析の手順

  • 作者: 石村 貞夫
  • 出版社/メーカー: 東京図書
  • 発売日: 2006/05
  • メディア: 単行本



nice!(25)  コメント(0)  トラックバック(0) 
共通テーマ:学問

需要予測の定点観測レポート [時系列解析 / 需要予測]

久しぶりにARIMAモデルを使った需要予測をした。

今までは、1回だけモデリングをして、トレンドや季節変動をみたり、不規則変動の原因を探ったりして終わりだった。

事業に入って、同様の分析をするとなると、数ヶ月前に予測したものと新しい追加のデータが加わったりすると、どこがどれだけ変化したのかを定期的にみていく必要がある。

長期トレンドと季節変動のかけあわせから、将来を予測し、それを元に事業の計画を立てたりするのに使われる。

精度も大切なのだが、それ以上に大切なのは、
・統計的誤差なので、ある程度の誤差は、目をつぶる勇気がいる。
・誤差が大きくずれた月にアラーとがあがり、その原因を見つけに行く。
ことが大切だと思う。

大きくずれた場合は、トレンドやら季節変動とかの問題ではなく、大きな社会的な変化とか、競合の動きとか、色々な原因が考えられる。
この場合は、手元のデータだけでなく、できるだけ多くのデータを取得し、
(取得できない場合はお金を払ってでも取得し)
要因をみつけに行く。

書くのは簡単なのだが、これをきちんとできているところってどれだけあるんだろうか。


マーケティングリサーチハンドブック―リサーチ理論・実務手順から需要予測・統計解析まで

マーケティングリサーチハンドブック―リサーチ理論・実務手順から需要予測・統計解析まで

  • 作者: 酒井 隆
  • 出版社/メーカー: 日本能率協会マネジメントセンター
  • 発売日: 2004/12
  • メディア: 単行本




Excelで学ぶ経営科学入門シリーズ〈1〉需要予測

Excelで学ぶ経営科学入門シリーズ〈1〉需要予測

  • 作者: 荒木 勉
  • 出版社/メーカー: 実教出版
  • 発売日: 2000/07
  • メディア: 単行本



nice!(6) 
共通テーマ:学問

成果発表会でウホウホ [時系列解析 / 需要予測]

今日は、兼務をしているMIT側の仕事が多かった。

まずは、成果発表会。
先々週、予選があって、ARIMAモデルでの需要予測と要因分析のネタで出したら、みごと予選通過。
今日、決勝戦があった。
賞金は、優勝者が総取り。
そりゃ、頑張りますよw

順番は、5人中の5番目の発表。
こういうのって、最初か最後が良い気がする。

多少、発表の中にお笑いもまぜておいたが、まずまずの発表だった気がする。

たぶん、需要予測、要因分析とも、このARIMAモデルをここまで使いこなせる人って日本でそんなにいないだろうと、ちょっと自慢w
ご興味がある方、詳しく知りたい方、ご連絡ください★

結果は、優勝!(・∀・)うほっ
賞金ありがとうございます。

その後、送迎会。
今日は、MIT側の。

場所は、
リゾートダイニング カスケード銀座
http://www.hotpepper.jp/strJ000031029/
でした。

なんていうか、カラオケ?って感じの場所でした。

料理は不味くないけど、やっぱり、カラオケ。。。

nice!(2) 
共通テーマ:学問

【時系列分析】季節変動・長期トレンドの除去 そのⅠ [時系列解析 / 需要予測]

時系列データの分解してみると、いろいろと見えてくる。

元データ = ①トレンド・循環変動 × ②季節変動 × ③不規則変動

と3つに分解できたとすると、① × ②を用いて未来を予測したり、あるいは、トレンドや季節変動だけでどれくらい予測できるのか?を認識することができる。

また、③の不規則変動には、トレンドや季節変動だけでは表すことができない変動が含まれているので、なんらかの施策の効果を分析したりできる。

ためしに、ここに落ちているデータを使って元データを分解してみる。
★ 月別ビール課税移出数量(会員5社)
http://www.brewers.or.jp/data/t02-tukibetu.html

※ アメリカ商務省 国勢調査局が開発したX-12-ARIMAというツールを使用。

元データは、こんな感じです。
月別ビール課税移出数量(会員5社)

上記データを
①トレンド・循環変動
②季節変動
③不規則変動
に因数分解します。

①トレンド・循環変動
月別ビール課税移出数量(会員5社) トレンド・循環変動

②季節変動
月別ビール課税移出数量(会員5社) 季節変動

③不規則変動
月別ビール課税移出数量(会員5社) 不規則変動

②季節変動をみると面白い傾向がみれますね。
昔は、ビールは7月に飲まれていたようですが、最近では7月よりも12月の方が多いようです。
①トレンド・循環変動は、ずっと下降気味で、発泡酒や新ジャンルに座を奪われている感じがします。

③不規則変動も上に跳ねているところ、下に落ちているところの原因をみると面白い結果が出てくると思います。

nice!(2) 
共通テーマ:学問

売り上げ予測モデリングが必要な理由 [時系列解析 / 需要予測]

ここ数週間で、売り上げ予測モデルを作っていた。
(´д`)ふぅ~
本日、無事に完成♪

成果課金ビジネスと広告課金ビジネスがあって、どちらの場合も半期や1年くらい先を見越した売上を予測することはとっても大切だ。

成果課金ビジネスの場合、ある程度営業の頑張りみたいなものも左右するので、
「月末になって、後少し足りないから、今日は頑張ろう!」
みたいことができる。

一方、ユーザが購入するとかのアクションによって課金されるビジネスモデルの場合、
「月末になって、後少し足りない…。」
となっても、急に何かをすることは難しい。

そこで、日別や月別に売り上げ予測の精度を上げることが大切となってくる。
しかし、一方でもっと大切なのが、予測とズレた場合に、それが統計的な誤差の範囲なのか、あるいは、何かしらの原因があるのかをわかることも非常に大切で、単に当たったハズレタの世界ではない。

手法としては、
 実測値 = 長期トレンド × 季節変動 × 不規則変動
にわけるオーソドックス?な手法を利用。

精度は、けっこう良い感じで当てることができた。
サブプライムやら、この前のシルバーウィークのような、そんな月は、誤差が大きいのだが、通常の月だと、1%前後の誤差で当てに行くことができる。

また、単に当たるだけではなく、予測と外れた場合に、○○の部分が△△%増えた/減ったと原因を追いかけることができる。

今回、上手く予測をすることができたが、上手くできたコツというか、ポイントは、
1. しっかりとデータを見つめる。

2. いくつかの要因に分解して、それぞれを予測していく。

3. あまり細かく分解しすぎると、それを足し合わせた時に結局よく分からないものになってしまう。
(木を見て森を見ずは、ダメ)

特に、1.の『データの中に潜む真理と真剣に対峙すること』ってすっごく重要です。

nice!(3) 
共通テーマ:学問

株式会社パスコ「商圏大勝」体験イベント [時系列解析 / 需要予測]

株式会社パスコ「商圏大勝」体験イベントに参加してきた。
商圏大勝」ってのは、小売店の店長向けの商圏分析ツールです。

売り上げを上げる施策を立てる為に大切なことは、
1) トレンドを見る。
2) 地域(特性)を見る。
の2点。

このツールは、地域性による異なる消費購買傾向に着目して商圏を分析することができます。

世の中には高額なサービスがありますが、商圏大勝は、機能を絞ることにより低価格での分析を実現しました。



コストは、月々5,250円。

基本サービスは、
1) 地域指標
・地域指標閲覧
・適地選定

2)商圏診断
・地域特性把握
・総需要分析
・商品別シェア分析

3)マイページ
・情報管理
です。

実際の使い勝手は非常に簡単で、エリアと分析したい商品を選んで、【次へ】を選んで行くと、簡単に分析することができます。


花形、金のなる木、問題児、負け犬といった、PPM (プロダクト・ポートフォリオ・マネジメント)をしたりして、どういう商品を伸ばしていくかなどを見ていくのでしょう。

このあたり、どう分析していけば良いのかがわからない場合は、レポートサービスもあるようです。
1レポートあたり21,000円~

まだ、スタートしたばかりのサービスみたいですが、今後どう使いやすくなっていくのか楽しみな分析ツールです。



nice!(2) 
共通テーマ:仕事

季節変動を考慮した指数平滑法 [時系列解析 / 需要予測]

季節変動を考慮した指数平滑法

需要予測をする上で、よく使われるのが指数平滑法。
予測値は、
 予測値=α×現在値+(1‐α)×前期予測値
とかける。

ここで、0≦α≦1。
 α=1のとき:予測値=現在値
 α=0のとき:予測値=前期予測値
となる。

要するに、これは重み付き加重平均なわけである。
季節変動などがないときには指数平滑法がよく用いられる。

季節変動がある場合、そのままだと上手くいかない。
ここから、強引に季節指数をかけて割り戻すのもありなのだが‥

改良方法として、、、
要は重み付き加重平均なので、この項目に季節変動の重みを追加してあげると、ぐ~んと精度があがった♪

で、よくよく文献をしらべてみると、この指数平滑法にトレンドや季節変動の重みを付与したモデルが、ウィンターズ(ウィンタース)モデルだった。

俺が作ったのと加重平均の仕方が若干異なるが。。。
精度的には、そんなに変わらない。

後、ARIMAのX11のアルゴリズムも見つかった。
これはこれで興味深い。


nice!(0) 
共通テーマ:学問

時系列解析 X-12-ARIMA [時系列解析 / 需要予測]

時系列解析 X-12-ARIMA

クレメンタインで時系列解析のストリームを実装するのもありだが
(↑需要予測するもの品種が膨大な数の場合)
1個しか予測しなくても良い場合、わざわざクレメンタインを持ち出すまでもなく
X12 ARIMAが手軽でお勧めである。
色々な統計量などもきちんとでるので。

昔、ダウンロードしたんだけど、どこかにファイルやってしまったので、U.S. Censusに新たにダウンロードしにいった。

(last updated: May 4, 2007)
って書かれているので、知らない間にアップデータされたようである。

久々に使ったので、どこがアップデートされたのかイマイチ不明。。。w

あ、そういえば、次期 Clementine に時系列が組み込まれるんだっけ。
となると、通常の時系列に加えてデータマイニング的なアプローチも組み込める。

明日は、SPSS Data Mining Day に行ってきます!(・∀・)
http://www.spss.co.jp/dmd/index.html


nice!(0) 
共通テーマ:学問

時系列分析:X12の中身 [時系列解析 / 需要予測]

時系列分析:X12の中身

時系列分析でX12などのツールを使う場合、細かいチューニングができない。
そこで、自分でクレメンタインなどを使って時系列のアルゴリズムを構築するわけだ。

マルコがX12のアルゴリズムを見つけたので、中身をみたら、クレメンタインで作ったアルゴリズムに非常に近かった。
人間が苦労して考える部分ってのは、同じなんだろうか。(笑)

X12は、主に長期トレンドと季節変動と不規則変動に分解する。
順番としては、長期トレンドを見つけ、スムージングを行い、季節変動をみつける。
このスムージング方法が一つのポイントであり、プログラムの腕のみせどころだろう。

分解された、長期トレンドや季節変動、そして、不規則変動はそれぞれ使い道があり、一つの時系列データから生まれた素材が、いろいろなマーケティングという料理の材料になっていくのは面白い。


nice!(0) 
共通テーマ:学問

中心化移動平均 [時系列解析 / 需要予測]

中心化移動平均

移動平均といっても二通りの移動平均が考えられる。

下記の例1の様に
3月の移動平均を(1月 + 2月 + 3月) ÷ 3で計算する方法。

また、下記の例2の様に
3月の移動平均を(2月 + 3月 + 4月) ÷ 3で計算する方法。

グラフをみても明らかなのだが、実際の販売数と移動平均値の誤差を計算すると例2の方が誤差は少ない。

誤差の計算方法は、
(販売数 - 移動平均値) × (販売数 - 移動平均値)
とした。

では、4ヶ月移動平均の場合は、どう計算すれば良いかというと、
例1の場合では、4月の移動平均は
(1月 + 2月 + 3月 + 4月) ÷ 4
とすれば良い。

例2の場合、4月の移動平均は
{(2月 + 3月 + 4月 + 5月) ÷ 4 + (3月 + 4月 + 5月 + 6月) ÷ 4} ÷ 2
=(2月/2 + 3月 + 4月 + 5月 + 6月/2) ÷ 4

これを中心化移動平均と呼ぶ。


nice!(0)  コメント(0)  トラックバック(0) 
共通テーマ:学問

需要予測入門 ~第7章 需要予測システム導入時のポイント~ [時系列解析 / 需要予測]

需要予測入門 ~第7章 需要予測システム導入時のポイント~

第7章では
1. 需要予測に必要なデータ
2. 「どんな単位」で予測する?
3. 何日おきに予測するのか?
4. どのくらい先まで予測するのか?
5. すべての商品を予測する必要はあるか?
6. 最適な予測モデルをどうやってみつけるか?
7. データが間違っていたらどうするか?
8. 完全予測は可能か?
9. どのような需要予測パッケージを選べばよいのか?
10. ユーザーはどの程度予測モデルを理解しておけばよいか?
11. 予測サイクル内の実績をどう反映させるか?
12. 専任の担当者を置く必要はあるか?
13. 予測よりたくさん売った営業マンはしかられるか?
14. 新商品の発売にどう対応するか?
15. 自社製品がテレビ番組で紹介されたら?
16. 予測モデルはずっと同じままでいいのか?
が書かれています。

第7章では、システムの機能や導入効果に加えて、需要予測システムにするためのポイントが書かれています。

ということで、少しずつ読み進めてきた需要予測入門でしたが、読破しました。
内容的には、比較的簡単で、まさしく入門書といって良いでしょう。

個人的には、『第3章の需要予測モデルの基礎』だけで十分だったような気がします。
後は、自分自身で色々研究していく必要があるんでしょうね。
その辺りの部分は書籍には載らない(載せられない)内容なんでしょう。。。

ひとまず、本は読み終わりましたが、需要予測はまだまだ続きます。
面白い本やソフトなどを見つけたときは、また、紹介します。


nice!(0)  コメント(0)  トラックバック(0) 
共通テーマ:学問

需要予測入門 ~第6章 需要予測システム~ [時系列解析 / 需要予測]

需要予測入門 ~第6章 需要予測システム~

在庫管理のための需要予測入門

在庫管理のための需要予測入門

  • 作者: 淺田 克暢, 岩崎 哲也, 青山 行宏
  • 出版社/メーカー: 東洋経済新報社
  • 発売日: 2004/12/22
  • メディア: 単行本

第6章では
1. 需要予測システムとは?
2. 需要予測システムに求められる機能①
3. 需要予測システムに求められる機能②
4. 需要予測システムに求められる機能③
5. 需要予測システムの導入効果①
6. 需要予測システムの導入効果②
7. 需要予測システム導入事例①
8. 需要予測システム導入事例②
9. 需要予測システム導入事例③
10. 需要予測システム導入ステップ
が書かれています。

第6章では、実際に需要予測システムを導入する際に知っておくべき知識について書かれています。

この本に何度も書かれていますが、需要予測システムとは、予測結果情報(どれくらい当たったか)の情報だけではなく、予測誤差情報(どれくらいどのように予測がはずれるのか)の情報も重要です。


nice!(0)  コメント(0)  トラックバック(0) 
共通テーマ:学問

需要予測入門 ~第5章 需要予測による在庫管理~ [時系列解析 / 需要予測]

需要予測入門 ~第5章 需要予測による在庫管理~

在庫管理のための需要予測入門

在庫管理のための需要予測入門

  • 作者: 淺田 克暢, 岩崎 哲也, 青山 行宏
  • 出版社/メーカー: 東洋経済新報社
  • 発売日: 2004/12/22
  • メディア: 単行本

第5章では
1. 需要予測による在庫管理
2. 需要予測による発注点方式
3. 需要予測による定期発注方式①
4. 需要予測による定期発注方式②
5. 需要予測による在庫管理の利点
6. 予測誤差による安全在庫量決定
7. 予測誤差は本当に正規分布に従うか?
が書かれています。
第5章では、需要予測による在庫管理方法について書かれています。

予測誤差が重要で、予測誤差が正規分布になっていると安全在庫量をきちんと計算することができます。
しかし、平均の片側に山が寄っている場合や平均の両側に山があるフタコブのような場合は、過剰在庫になったり、欠品の恐れにつながります。

どれくらいの精度で予測できるかということも大切ですが、その予測誤差がどうなっているのかを知ることも同時に重要ということです。


nice!(0)  コメント(0)  トラックバック(0) 
共通テーマ:学問

需要予測入門 ~第4章 需要予測モデルの実践~ [時系列解析 / 需要予測]

需要予測入門 ~第4章 需要予測モデルの実践~

在庫管理のための需要予測入門

在庫管理のための需要予測入門

  • 作者: 淺田 克暢, 岩崎 哲也, 青山 行宏
  • 出版社/メーカー: 東洋経済新報社
  • 発売日: 2004/12/22
  • メディア: 単行本

第4章では
1. 予測モデルの自動選択
2. イベント情報の活用
3. 他の時系列データの活用
4. 新商品の需要予測
5. 間欠的需要の予測
6. 補修部品・消耗品の需要予測
7. 需要の階層構造の考慮

が書かれています。

第4章も第3章と同様に需要を予測するための手法についての解説。

予測モデルの自動選択で特許を取っている模様。
数式がないのは読みやすい反面、何をやっているのかまったく不明な状況。。。
>┼○ バタッ

そういえば、SEM(共分散構造分析ではなく、サーチエンジンマーケティング)でもいくつかのモデルを自動計算・補正するプログラムを作ったが、特許取れないだろうか…
( '∇')σ

補足情報として、昨年のデータ解析コンペでもNTTデータが数理計画法を使ってモデルの自動選定やってました。
後は、数理システムのVMSでも作成したモデルを数学的最適化を用いて自動選定するオプションがあったような。
時代は、自動最適化なのだろうか。


nice!(0)  コメント(0)  トラックバック(0) 
共通テーマ:学問

需要予測入門 ~第3章 予測モデルの基礎~ その3 ARIMAモデル [時系列解析 / 需要予測]

需要予測入門 ~第3章 予測モデルの基礎~ その3 ARIMAモデル

在庫管理のための需要予測入門

在庫管理のための需要予測入門

  • 作者: 淺田 克暢, 岩崎 哲也, 青山 行宏
  • 出版社/メーカー: 東洋経済新報社
  • 発売日: 2004/12/22
  • メディア: 単行本

ARIMAモデルの特徴は、時系列データから季節変動やトレンドを除去することができます。
除去する項目は、大きく分けて2つ。

・トレンド・循環変動
長期的な実売部数の推移や長い周期で繰り返される変動を指します。

・季節変動
1年を周期として比較的規則的に繰り返す変動を指します。

そして、残ったのが不規則変動。
トレンドや季節変動であらわすことができない変動を指します。
キャンペーンなどはこれにあたります。


nice!(0)  コメント(0)  トラックバック(0) 
共通テーマ:学問

需要予測入門 ~第3章 予測モデルの基礎~ その2 [時系列解析 / 需要予測]

需要予測入門 ~第3章 予測モデルの基礎~ その2

第3章の2回目。

在庫管理のための需要予測入門

在庫管理のための需要予測入門

  • 作者: 淺田 克暢, 岩崎 哲也, 青山 行宏
  • 出版社/メーカー: 東洋経済新報社
  • 発売日: 2004/12/22
  • メディア: 単行本

第3章では
1. 需要傾向の把握
2. 移動平均法でノイズを除去する
3. 移動平均の次数の決め方
4. 移動平均方で季節ごとの変動を取り出す
5. 複数の周期変動が混在したときの対応
6. 移動平均でノイズが除去できるのか?
7. 予測モデルとは何か?
8. 予測モデルのメカニズム
9. 単純移動平均モデル
10. 一次指数平滑モデル
11. ウィンターズモデル
12. ウィンターズモデルの計算式
13. ARIMAモデル
14. ニューラルネットワーク
15. 直線・曲線近似モデル
16. 重回帰モデル
17. 周期変動の考慮
18. 評価の四要素
19. 評価指数

が書かれています。

第3章の後半は、各モデルごとの特徴が書かれています。
各モデルの特徴は、

●: 対応可能
▲: モデル化によっては対応可能

ここで、外部データについて。

ニューラルネットワークと重回帰モデル以外のモデルは、自分自身の値で予測を行います。
具体的に書くと、過去の売り上げデータから、未来の売り上げを予測するわけです。
しかし、売り上げデータ以外に、気温のデータや実売の価格データをモデルに取り入れると予測の精度が向上したりします。
この場合は、ニューラルネットワークや重回帰といった手法で時系列分析をする必要があります。

ざっと読んだ感じ、ARIMAモデル以外は、クレメンタインで実装できそう。
ARIMAモデルは、ちょっと複雑なので、実装できるとは思いますが、とっても大変そう。。。
いつかARIMAモデルの実装もやってみたいです。


nice!(0)  コメント(0)  トラックバック(0) 
共通テーマ:学問

需要予測入門 ~第3章 予測モデルの基礎~ その1 [時系列解析 / 需要予測]

需要予測入門 ~第3章 予測モデルの基礎~ その1

第3章は長いので、何回かに分けて記載。

在庫管理のための需要予測入門

在庫管理のための需要予測入門

  • 作者: 淺田 克暢, 岩崎 哲也, 青山 行宏
  • 出版社/メーカー: 東洋経済新報社
  • 発売日: 2004/12/22
  • メディア: 単行本

第3章では
1. 需要傾向の把握
2. 移動平均法でノイズを除去する
3. 移動平均の次数の決め方
4. 移動平均方で季節ごとの変動を取り出す
5. 複数の周期変動が混在したときの対応
6. 移動平均でノイズが除去できるのか?
7. 予測モデルとは何か?
8. 予測モデルのメカニズム
9. 単純移動平均モデル
10. 一次指数平滑モデル
11. ウィンターズモデル
12. ウィンターズモデルの計算式
13. ARIMAモデル
14. ニューラルネットワーク
15. 直線・曲線近似モデル
16. 重回帰モデル
17. 周期変動の考慮
18. 評価の四要素
19. 評価指数

が書かれています。

この章からいよいよ需要予測の手法(需要予測モデル)についての解説が書かれています。

数式は出来るだけ使わずに…とかかれています。
概念レベルで理解する上では良いでしょう。
ただ、数式が書かれていないから逆に理解し難い部分もあるかと。
本来なら、数式書いていてくれたらすぐ解るのになぁと。

また、3章はやたら長いです…
1. ~ 8. までで移動平均についてしっかり書かれています。
9.~19.でその応用といったところでしょうか。


nice!(0)  コメント(0)  トラックバック(0) 
共通テーマ:学問

需要予測入門 ~第2章 在庫管理の基本~ [時系列解析 / 需要予測]

需要予測入門 ~第2章 在庫管理の基本~

在庫管理のための需要予測入門

在庫管理のための需要予測入門

  • 作者: 淺田 克暢, 岩崎 哲也, 青山 行宏
  • 出版社/メーカー: 東洋経済新報社
  • 発売日: 2004/12/22
  • メディア: 単行本

第2章では
1. なぜ在庫は必要か?
2. 過剰在庫はなぜ悪か?
3. すべての在庫を管理しなければいけないのか?
4. 在庫管理はどのようにすればよいか?
5. 定期発注方式の発注量の決め方
6. 発注点方式の発注点在庫量の決め方
7. 安全在庫量の求め方
8. 在庫をどう評価すればよいか?

が書かれています。

第1章では、次の第3章以降を理解する上で最低限必要となる在庫管理の基礎知識が書かれています。
この章から数字が多少入ってきます。

この章で大切なことは、2つ。
・定期発注方式と発注点方式の違いを理解すること
・安全在庫量を理解すること
だと思います。

その基礎となってくるのが正規分布。
おそらく次の章以降でも出てきます。

後は、中心極限定理。
大学時代の統計の書籍をみれば証明とか載っていると思うので、この辺りが不安な方は、正規分布のおさらいをしておいたほうが良いかと思います。


nice!(0)  コメント(0)  トラックバック(0) 
共通テーマ:学問

需要予測入門 ~第1章 需要予測とは~ [時系列解析 / 需要予測]

需要予測入門 ~第1章 需要予測とは~

在庫管理のための需要予測入門

在庫管理のための需要予測入門

  • 作者: 淺田 克暢, 岩崎 哲也, 青山 行宏
  • 出版社/メーカー: 東洋経済新報社
  • 発売日: 2004/12/22
  • メディア: 単行本

第1章では
1. 需要予測とは何か?
2. 今なぜ需要予測なのか?
3. 需要予測は本当に当たるのか?
4. 需要予測の目的は何か
5. 需要予測で何ができるのか?①
6. 需要予測で何ができるのか?②
7. 需要予測には何が必要か?

が書かれています。

筆者は、第1章では、需要予測についての基本的な考えを説明しており、
『上司の方には、この部分だけでも読んでもらうことをお勧めします。』
と。
と書かれているだけあり、内容は概念的/抽象的な部分が多いです。

かるーく読み飛ばしてもOK!

この章で一番重要なことは、
「なくせる外れ」と「なくせない外れ」
についてです。

需要予測の外れは、2つあります。
・なくすことのできる外れ
・なくすことのできない外れ

なくすことのできる外れは、いろいろな手法を使いなくしていけばいいわけですが、
なくすことのできない外れは、一般的な誤差と考えて良いでしょう。

重要なのは、この誤差が何%生じるのかを見積もることだと思います。

確率的に今日は100個売れると予測したとします。
この100個というのは、点です。
つまり、予測(推定)は、点推定を行っているわけです。

これを点ではなく、幅(区間)で考えたとき、
つまり、今日は、93個から107個売れるであろうと
区間で推定することもできます。

ここに信頼確率を使って、95%の確率で、とか90%の確率で
今日は、93個から107個売れる!と予測することができます。


nice!(0)  コメント(0)  トラックバック(0) 
共通テーマ:学問

需要予測入門 まえがき編 [時系列解析 / 需要予測]

需要予測入門 まえがき編

在庫管理のための需要予測入門

在庫管理のための需要予測入門

在庫管理のための需要予測入門

  • 作者: 淺田 克暢, 岩崎 哲也, 青山 行宏
  • 出版社/メーカー: 東洋経済新報社
  • 発売日: 2004/12/22
  • メディア: 単行本

自分自身のメモのためにも「なるほど!」と思った部分を記載します。(*´д`*)

~前書きより~

☆-------☆
二つのタイプが存在する。
①「需要予測なんて当たらない、だから需要予測システムなんて意味がない」と考えている方。

②「需要予測システムを導入すれば予測が当たるようになって問題が解決するはずだ」と考えている方。

また、①と②は、根本的には同じであると。
それは、「需要予測は当たってこと意味がある」という認識をしているお客さんが多い。

実際は、そうそう当たるものではなく、しかし、「外れても使える需要予測」があるということを筆者は理解して欲しい。
☆-------☆

なるほど、、、当たらないですか…(;_;)

ならば、当たる需要予測を考えてみよう!と個人的には思います。
いくつか考えている方法があるので、どれくらいこの本と違うのか、どれくらい当たるのか、あるいは、筆者の言うとおり、当たらないのか…楽しみな今日この頃です。


nice!(0)  コメント(0)  トラックバック(0) 
共通テーマ:学問

需要予測入門 [時系列解析 / 需要予測]

在庫管理のための需要予測入門を購入した。
というか、会社で購入してもらった。(っ´Д`)っ(笑)

たとえば、あるお店で飲料や消費財がいくつ売れるのかを予測するというものである。
いくつかのアイデアはあるのだが、その分野で第一人者である人たちの考え方を学べればと思う。
(((*´ε` *)(* ´3`*))) モジモジ

在庫管理のための需要予測入門

在庫管理のための需要予測入門

  • 作者: 淺田 克暢, 岩崎 哲也, 青山 行宏
  • 出版社/メーカー: 東洋経済新報社
  • 発売日: 2004/12/22
  • メディア: 単行本


nice!(0)  コメント(0)  トラックバック(0) 
共通テーマ:学問
時系列解析 / 需要予測 ブログトップ