Analysis of production volumes of food products and beverages using ARFIMA models

Autor: Stabingienė, Lijana, Dučinskas, Kęstutis
Jazyk: litevština
Rok vydání: 2008
Předmět:
Zdroj: Lietuvos statistikos darbai [Lithuanian journal of statistics]. 2008, 47, p. 42-51, 87-88.
ISSN: 1392-642X
2029-7262
Popis: Šiame straipsnyje pateikta duomenų su ilga priklausomybe laike modeliavimo metodika, naudojant ARFIMA (p, d, q) klasės modelius. Šio straipsnio tikslas yra atlikti ARFIMA modeliavimą maisto produktų ir gėrimų gamybos apimties duomenims bei gauti pakankamai tikslią ilgalaikę prognozę. Tiriamas objektas - maisto produktų ir gėrimų gamybos apimties duomenų modeliavimas panaudojant ARFIMA klasės modelius. Pagal darbe pateiktą algoritmą sudarytas ARFIMA (p, d, q) klasės modelis, duodantis gana tikslią ilgalaikę prognozę. Atliekamas duomenų sezoninės komponentės eliminavimas bei Box-Cox transformacija, kuri normalizuoja duomenis. Šis metodas gali būti nesunkiai pritaikomas ir kitiems ilgos atminties laiko eilučių duomenims. Iš pateiktos duomenų prognozės galima teigti, kad 2008 metais maisto produktų ir gėrimų gamybos apimtis (vertinant litais) augs, tačiau vasaros metu augimas stabilizuosis. Pasiūlyta ARFIMA modelių sudarymo metodologija yra gana tinkama ilgos atminties laiko eilutėms modeliuoti. Šis teiginys pagrįstas atliktais realiais skaičiavimais. Naudojant nemokamai platinamą statistinį paketą R 2.5, sudarytas modelis, leidžiantis prognozuoti maisto produktų ir gėrimų gamybos apimtį. Atlikta ilgalaikė prognozė (kai prognozavimo horizonto ilgis l >6). Įvertinus prognozavimo tikslumą, gauta, kad prognozavimas atliktas pakankamai tiksliai (MAPE nesiekia 5 proc.). Darbe pateikta metodologija yra lengvai įgyvendinama praktiškai susidūrus su ilgos atminties atsitiktiniais procesais. The paper presents the methodology of modelling data with long-range dependence, using ARFIMA (p, d, q) models. The paper aims to carry out ARFIMA modelling of data of the production volume of food products and beverages and to obtain a rather accurate long-term forecast. The object is the modelling of data of the production volume of food products and beverages, using ARFIMA models. According to the algorithm given in the paper, the ARFIMA (p, d, q) model with a rather accurate long-range forecast was designed. The data seasonal component elimination and Box-Cox transformation were carried out for the purpose of normalising the data. This method might be easily applied to other long memory time series data. The presented data forecast shows that in 2008 the production volume of food products and beverages (in litas) will grow; however, the growth will stabilise in summer. The proposed methodology of designing ARFIMA models is rather adequate for modelling long memory series data. This statement is based on actual estimates. The free statistical package R 2.5 was used to design a model enabling the forecast of the production volume of food products and beverages. A long-range forecast (when the length of forecast horizon is l>6) was carried out. Having evaluated the forecasting accuracy, the conclusion was drawn that forecasting was carried out rather accurately (MAPE does not reach 5%). The methodology presented in the paper is easily employed in practice with regard to long memory random processes.
Databáze: OpenAIRE
Externí odkaz: