Czy dane z 10 lat miesięcznie wystarczają do prognozowania? [Zamknięte]

3

Chcę prognozować popyt na przemysł cementowy. Mam dane od 10 lat - dane miesięczne. Czy jest to pożądane do prognozowania?

time-series Cha
źródło
1
Trudno powiedzieć bez dodatkowych informacji w pytaniu. Wydaje się, że tyle danych szeregów czasowych byłoby ogólnie wystarczających. Uważaj jednak na wnioski, które próbujesz wyciągnąć z analizy.
Jamzy
Początkowo firma dostarczyła mi miesięczne dane dotyczące sprzedaży i cen z dwóch lat, ale nie jestem pewna, jak dokładna będzie prognoza, pomyślałem o zrobieniu tego dla całego przemysłu cementowego, ponieważ dane, które otrzymuję z różnych źródeł, dotyczą 10-20 lat
Cha
Zmienna zależna będąca produkcją cementu Wybrane zmienne niezależne to Produkcja (węgiel, stal, energia elektryczna, ropa naftowa), PKB, stopa inflacji, stopa procentowa, eksport z importu. Moje pytanie brzmi: czy powinienem skorzystać z dwuletnich danych, które dostarczył mi kraj, czy też wziąć dane dla całej branży. (Mogę zmienić cel z konkretnego na ogólny). Dzięki!
Cha

Odpowiedzi:

3

W twojej sytuacji (po przeczytaniu komentarzy) wykorzystałbym dane z 10 lat z 2-letnich danych specyficznych dla firmy, chyba że potrafisz wskazać jakiś powód, dla którego Twoja firma jest szczególnie nietypowa dla branży.

Biorąc pod uwagę długość cykli biznesowych, które zwykle obserwujemy w krajach rozwiniętych, około 5 lat, każdy okres 2 lat może nie odzwierciedlać przyszłości, w pobliżu lub w oddali. Wpływ niezależnych zmiennych, takich jak stopa procentowa i stopa inflacji, nie zostanie dokładnie obliczony, ponieważ istnieje duża możliwość, że będą one bardzo podobne w okresie 2 lat (np. W ciągu ostatnich dwóch lat w Stanach Zjednoczonych), a zatem dane nie wystarczy zmierzyć różnicę, jaką powodują te czynniki.

Dłuższe okresy czasu rozwiążą ten problem. Nie ma danych, które ktoś mógłby wskazać i powiedzieć „10 lat to za mało, ale 10 lat i 1 miesiąc to”. Innymi słowy, nie ma wartości granicznej, ale dłuższe okresy czasu lub ogólnie większe próbki są lepsze i w tym przypadku przewyższają korzyści płynące z bardziej szczegółowych danych (chociaż należy to ustalić indywidualnie dla każdego przypadku).

Tyler Wyckoff
źródło