Fugu-MT 論文翻訳(概要): Retail Demand Forecasting: A Comparative Study for Multivariate Time Series

論文の概要: Retail Demand Forecasting: A Comparative Study for Multivariate Time Series

arxiv url: http://arxiv.org/abs/2308.11939v1
Date: Wed, 23 Aug 2023 06:14:02 GMT
ステータス: 処理完了
システム内更新日: 2023-08-24 15:40:52.680026
Title: Retail Demand Forecasting: A Comparative Study for Multivariate Time Series
Title（参考訳）: 小売需要予測:多変量時系列の比較研究
Authors: Md Sabbirul Haque, Md Shahedul Amin, Jonayet Miah
Abstract要約: 本研究では,CPI(Consumer Price Index),ICS(Index of Consumer Sentiment),失業率といった,マクロ経済変数による顧客需要の時系列データを統合する。小売需要を正確に予測するために,様々な回帰モデルと機械学習モデルを開発し,比較する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Accurate demand forecasting in the retail industry is a critical determinant of financial performance and supply chain efficiency. As global markets become increasingly interconnected, businesses are turning towards advanced prediction models to gain a competitive edge. However, existing literature mostly focuses on historical sales data and ignores the vital influence of macroeconomic conditions on consumer spending behavior. In this study, we bridge this gap by enriching time series data of customer demand with macroeconomic variables, such as the Consumer Price Index (CPI), Index of Consumer Sentiment (ICS), and unemployment rates. Leveraging this comprehensive dataset, we develop and compare various regression and machine learning models to predict retail demand accurately.
Abstract（参考訳）: 小売業における正確な需要予測は、金融パフォーマンスとサプライチェーン効率の重要な決定要因である。グローバル市場がますます相互接続化されていく中、企業は競争力を得るための高度な予測モデルに向かっている。しかし、既存の文献は主に歴史的販売データに焦点を当てており、マクロ経済状況が消費行動に与える影響を無視している。本研究では,CPI(Consumer Price Index),ICS(Index of Consumer Sentiment),失業率などのマクロ経済変数による顧客需要の時系列データを統合することで,このギャップを埋める。この包括的なデータセットを利用して、様々な回帰モデルと機械学習モデルを開発し比較し、小売需要を正確に予測する。

関連論文リスト

F-FOMAML: GNN-Enhanced Meta-Learning for Peak Period Demand Forecasting with Proxy Data [65.6499834212641]
本稿では,需要予測をメタラーニング問題として定式化し,F-FOMAMLアルゴリズムを開発した。タスク固有のメタデータを通してドメインの類似性を考慮することにより、トレーニングタスクの数が増加するにつれて過剰なリスクが減少する一般化を改善した。従来の最先端モデルと比較して,本手法では需要予測精度が著しく向上し,内部自動販売機データセットでは平均絶対誤差が26.24%,JD.comデータセットでは1.04%削減された。
論文参考訳（メタデータ） (2024-06-23T21:28:50Z)
Electricity Price Forecasting in the Irish Balancing Market [0.0]
この研究は、広く研究されている日頭市場で成功した様々な価格予測手法をアイルランドのバランス市場に適用する。異なるトレーニングサイズの影響を調査するフレームワークを用いて,統計モデル,機械学習モデル,ディープラーニングモデルを比較した。大規模な数値的な研究により、日頭市場における良いパフォーマンスのモデルはバランスの取れないモデルではうまく機能しないことが示された。
論文参考訳（メタデータ） (2024-02-09T15:18:00Z)
ALERTA-Net: A Temporal Distance-Aware Recurrent Networks for Stock Movement and Volatility Prediction [20.574163667057476]
我々は、株式市場予測の精度を高めるために、世論の豊かな情報源であるソーシャルメディアデータの力を活用している。我々は、感情分析、マクロ経済指標、検索エンジンデータ、過去の価格をマルチアテンション深層学習モデルに組み込むアプローチを開拓した。市場の動向とボラティリティの予測のために,私たちによって特別にキュレーションされたデータセットを用いて,提案モデルの最先端性能を示す。
論文参考訳（メタデータ） (2023-10-28T13:31:39Z)
Structured Dynamic Pricing: Optimal Regret in a Global Shrinkage Model [50.06663781566795]
消費者の嗜好と価格感が時間とともに変化する動的モデルを考える。我々は,モデルパラメータの順序を事前に把握している透視者と比較して,収益損失が予想される,後悔による動的価格政策の性能を計測する。提案した政策の最適性を示すだけでなく,政策立案のためには,利用可能な構造情報を組み込むことが不可欠であることを示す。
論文参考訳（メタデータ） (2023-03-28T00:23:23Z)
Finding Regularized Competitive Equilibria of Heterogeneous Agent Macroeconomic Models with Reinforcement Learning [151.03738099494765]
労働市場に参入する世帯や企業を無限に数える異種エージェントマクロ経済モデルについて検討する。本稿では,モデルの正規化競争均衡を求めるデータ駆動強化学習フレームワークを提案する。
論文参考訳（メタデータ） (2023-02-24T17:16:27Z)
Multimodal Neural Network For Demand Forecasting [0.8602553195689513]
本稿では,ニュース記事からのリアルタイムイベントと,過去のセールスやホリデー情報といった従来のデータを組み合わせたマルチモーダルセールス予測ネットワークを提案する。従来の販売予測手法と比較して,SMAPEの誤差測定値の平均改善率は7.37%と統計的に有意な改善を示した。
論文参考訳（メタデータ） (2022-10-20T18:06:36Z)
A Comparative Study on Forecasting of Retail Sales [0.0]
Walmartの過去の売上データに関する予測モデルをベンチマークし、今後の売上を予測する。これらのモデルを予測課題データセット(KaggleによるM5予測)に適用する。
論文参考訳（メタデータ） (2022-03-14T04:24:29Z)
Towards Revenue Maximization with Popular and Profitable Products [69.21810902381009]
企業マーケティングの共通のゴールは、様々な効果的なマーケティング戦略を活用することで、収益/利益を最大化することである。商品の収益性に関する信頼性のある情報を見つけることは、ほとんどの製品が一定の時期にピークを迎える傾向があるため困難である。本稿では、経済行動に基づく収益問題に対処し、ターゲットマーケティングのための0n-shelf Popular and most Profitable Products(OPPPs)を実行するための一般的な利益志向の枠組みを提案する。
論文参考訳（メタデータ） (2022-02-26T02:07:25Z)
Stock Price Prediction Under Anomalous Circumstances [81.37657557441649]
本稿では,異常な状況下での株価の変動パターンを捉えることを目的とする。 ARIMAとLSTMのモデルは、シングルストックレベル、業界レベル、一般市場レベルでトレーニングします。 2016年から2020年にかけての100社の株価に基づいて、平均予測精度は98%に達した。
論文参考訳（メタデータ） (2021-09-14T18:50:38Z)
Aggregate Learning for Mixed Frequency Data [0.0]
本研究では,小規模地域の経済指標をリアルタイムに予測する混合時間集合学習モデルを提案する。提案モデルでは, 労働市場状態の地域的不均一性を予測し, 急速に変化する経済状況を予測する。このモデルは様々なタスク、特に経済分析に適用できる。
論文参考訳（メタデータ） (2021-05-20T08:12:43Z)
Predicting seasonal influenza using supermarket retail records [59.18952050885709]
我々は,スーパーマーケットの小売データを,センチネルバスケットの識別を通じてインフルエンザの代替信号とみなす。 SVR(Support Vector Regression)モデルを用いて、季節性インフルエンザ発生の予測を行います。
論文参考訳（メタデータ） (2020-12-08T16:30:43Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。