贝叶斯方法在零膨胀计数时间序列预测中的应用

《International Journal of Forecasting》:Bayesian forecasting of zero-inflated time-series of counts

【字体: 大 中 小 】 时间:2026年01月07日 来源:International Journal of Forecasting 7.1

编辑推荐:

  基于消费者商品需求不确定性量化,本研究提出零膨胀泊松-伽马状态空间模型(ZIP-GSS),通过引入动态随机环境实现多变量扩展,并开发了基于MCMC的数据增强方法用于参数学习、监控与预测。实证表明该模型优于传统基准模型。

  
Tevfik Aktekin|Refik Soyer|Di Zhang
美国新罕布什尔大学决策科学系

摘要

在本文中,我们扩展了现有的泊松动态时间序列模型文献,以解释消费者商品需求模式中的多余零值现象,这一扩展是出于对不确定性量化的考虑。为此,我们实现了一种在特定条件下可进行解析处理的更新方案。我们将该模型称为零膨胀泊松-伽马状态空间(ZIP-GSS)模型,并介绍了其多变量扩展形式。我们开发了高效的马尔可夫链蒙特卡洛(Markov Chain Monte Carlo, MCMC)方法,并结合数据增强策略,以便在序列分析框架内实现模型的学习、更新、监控和预测。最后,我们使用模拟和真实的消费者商品需求数据集验证了所提出模型的有效性,并将其预测性能与基准模型进行了比较。

章节摘录

概述

量化和预测消费者商品需求的不确定性对于管理现代零售业务至关重要。影响库存管理和成本优化的决策需要准确建模不同产品类别随时间变化的预测不确定性。Berry等人(2020年)强调了建模不确定性的重要性,并提高了多种消费者商品需求的概率预测准确性,这些需求通常会随时间发生变化。

零膨胀泊松伽马状态空间(ZIP-GSS)模型

传统上,处理计数数据中多余零值的主要方法有两种:零膨胀模型和障碍模型。障碍模型由零点的点质量分布和排除零值的截断计数过程组成(Min和Agresti,2005年;Musal和Aktekin,2013年)。障碍模型假设计数数据中只有一种类型的零值。Berry和West(2020年)的一项最新研究探讨了将障碍模型纳入状态空间贝叶斯分析中的方法。

计算方面

我们提出的ZIP-GSS模型的一个关键特点是,用于序列参数学习和预测的几个关键分布都具有封闭形式的表达式。利用前一节介绍的性质,我们现在概述了生成所有感兴趣模型参数样本的步骤。

多变量ZIP-GSS

关于基于计数的零膨胀状态空间模型的多变量扩展,现有文献中的研究较为有限。前一节讨论的用于建模零膨胀单变量时间序列的模型结构可以在某些条件下扩展到多个计数时间序列。为此,我们可以假设每个序列都处于相同的动态随机环境中,类似于(2)中的状态演变过程。例如,在消费者需求分析中,这种环境...

数值示例和预测比较

为了验证ZIP-GSS模型的可行性,我们考虑了合成数据示例和真实的消费者需求数据集。

总结与结论

总结来说,我们提出了一类新的动态零膨胀泊松时间序列模型,全文中将其称为ZIP-GSS模型。我们通过MCMC方法实现了对这些模型的贝叶斯推断,适用于序列分析中的模型学习、更新、监控和预测。为此,我们通过引入潜在变量来跟踪零计数属于结构状态或非结构状态的属性,从而开发了两种数据增强技术。

CRediT作者贡献声明

Tevfik Aktekin:撰写 – 审稿与编辑、可视化、验证、监督、软件开发、资源管理、项目管理、方法论研究、数据分析、概念化。Refik Soyer:撰写 – 审稿与编辑、初稿撰写、可视化、验证、监督、软件开发、资源管理、项目管理、方法论研究、数据分析、概念化。Di Zhang:初稿撰写、可视化。

利益冲突声明

作者声明他们没有已知的财务利益或个人关系可能影响本文报告的工作。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号