Core Concepts
高速成長、不安定な時系列に対応する新しい予測モデルを提案。
Abstract
背景: 伝統的なETSモデルの拡張で、急成長や不規則性を考慮した新しい手法。
メインアイデア: 非季節性および季節性の両方に適用可能な柔軟な非線形トレンドモデル。
実装: StanとGibbsサンプラーを使用してMCMCサンプリングを実施。
導入 (Introduction)
ETS方法は50年以上前に導入されたが、依然として広く使用されている。
現在のETSモデルは線形または指数的なトレンドであり、柔軟性が限られている。
ベイジアンETS (Bayesian ETS)
フリークエント主義的手法に比べて、ベイジアンETS手法は比較的少なく研究されてきた。
ベイズ推定によるETSアプローチがM3競技会で最高の予測精度を示すことがある。
新しい予測モデル (New Forecasting Model)
LGTおよびSGTモデルは従来のETSモデルを拡張し、急成長や季節効果を考慮した柔軟な予測手法を提供する。
Stats
当社の提案する新しい予測モデルは、他の競合手法よりも優れた結果を示すことがある。