ARIMA模型进行销量预测

      如果你是一个店主，你是否有这样的疑问，店里每种商品分别该进多少货才能够库存不积压同时销售不会再现缺货？如果你是一个销售的领导，你是否有这样的疑问，如何制定销售目标才是合理的？作为财务的老大，公司或部门的费用预算多少是合理的？这些问题的解决方案即是对销量进行预测。     

      销量预测是基于时间序列而进行的分析，而ARIMA（自回归积分滑动平均）模型是一种广泛应用于时间序列分析的预测工具。ARIMA模型通常表示为ARIMA(p, d, q)，其中：p：自回归项的阶数。d：差分次数，使序列平稳。q：滑动平均项的阶数。ARIMA(p, d, q)模型意味着时序被差分了d次，且序列中的每个观测值都是用过去的p个观测值和q个残差的线性组合表示的。预测是“无误差的”或完整(integrated)的，来实现最终的预测。

ARIMA模型预测的步骤有：

1、数据准备：收集并清洗时间序列数据；

2、判断平稳性：平稳性一般可以通过时序图直观判断，也可以通过ADF判断。

3、差分运算：如果原序列不平稳则需要进行差分运算。

4、对于差分的序列进行平稳性检验和白噪声检验，只有平稳非白噪声的序列才能进行ARIMA预测。

5、确定p和q：运用贝叶斯信息量(BIC)最小原则，确定P和q。6、建立模型，进行预测。

7、模型检验，利用MAPE(|预测值-实际值|/真实值)检验模型效果。