基于ARIMA时间序列模型的销售量预测分析

被引:16
作者
葛娜 [1 ]
孙连英 [2 ]
赵平 [1 ]
万莹 [1 ]
机构
[1] 北京联合大学智慧城市学院
[2] 北京联合大学城市轨道交通与物流学院
关键词
ARIMA模型; 销售预测; 参数估计; 误差分析;
D O I
10.16255/j.cnki.ldxbz.2018.04.006
中图分类号
F426.86 []; F274 [企业供销管理];
学科分类号
1201 ;
摘要
有效分析历史运营数据与未来销售量之间的关系是企业制定重大销售战略的重要支撑。针对某企业多年的产品销售量原始数据,基于时间序列模型对企业产品的销量进行预测,以ARIMA模型(Autoregressive Integrated Moving Average Model)建立预测模型得到销售量预测值与销售记录值的对应关系。从数据检验及预处理、模型识别与定阶、参数估计、模型适应性检验、模型预测和误差分析6个方面对模型的预测效果进行检验。结果表明,ARIMA(1,2,4)模型能够较好地描述销售量变化趋势,可为企业制定行之有效的销售战略和产业布局提供依据。
引用
收藏
页码:27 / 33
页数:7
相关论文
共 14 条
[1]   分位数单位根检验的拓展及其应用研究 [J].
司登奎 ;
李小林 ;
张仓耀 .
统计研究, 2017, 34 (05) :102-117
[2]   基于ARIMA模型对宁夏地区奶牛体细胞数的趋势预测 [J].
李欣 ;
邵怀峰 ;
温万 ;
脱征军 ;
张伟欣 ;
顾亚玲 .
中国畜牧兽医 , 2017, (01) :131-140
[3]   基于ARIMA模型的工业品出厂价格指数预测与分析 [J].
董大勇 ;
刘珂言 .
统计与决策, 2016, (01) :179-181
[4]   基于最优平滑系数三次指数平滑法的转速预测 [J].
张嘉望 ;
郭军献 ;
李福松 .
探测与控制学报, 2015, 37 (05) :43-46
[5]   基于ARIMA模型对销售总额的预测分析 [J].
李冬 .
中国市场, 2015, (38) :95-97
[6]   基于残差统计的时间序列加性离群点检测算法研究 [J].
张玲 ;
刘波 .
电子技术应用, 2015, 41 (09) :85-87+91
[7]   基于小波分析理论的指数平滑模型预测自然陈化中钢渣f-CaO含量 [J].
张浩 ;
杨刚 ;
刘秀玉 ;
刘影 ;
朱庆明 .
过程工程学报, 2015, 15 (04) :555-558
[8]   基于时间序列分析的自动售货机销量预测 [J].
洪鹏 ;
余世明 .
计算机科学, 2015, 42(S1) (S1) :122-124
[9]   传感器网络中过滤机制下高效top-k查询处理技术 [J].
张慧 ;
郑吉平 ;
韩秋廷 .
小型微型计算机系统, 2014, 35 (01) :44-49
[10]   结合模型混淆度和BIC准则的语种识别精细建模方法 [J].
徐颖 ;
宋彦 ;
戴礼荣 .
数据采集与处理, 2011, 26 (05) :573-578