아니요, 계열 의 짧은 시계열에 대해서는 최상의 일 변량 외삽 법 이 없습니다 . 외삽 법에는 많은 양의 데이터가 필요합니다.T≤20
다음의 질적 방법은 데이터가 매우 짧거나 전혀없는 경우 실제로 잘 작동합니다.
- 종합 예측
- 설문 조사
- 델파이 방법
- 시나리오 구축
- 유추에 의해 예측
- 경영진 의견
내가 가장 잘 작동하는 가장 좋은 방법 중 하나는 예측하려는 범주에서 유사 / 아날로그 제품을 찾고 단기 예측을 예측 하는 데 사용하는 구조적 유추 (위의 목록에서 5 번째)를 사용하는 것입니다. . 예제는 이 기사 를 참조 하고 물론 SAS를 사용하여이를 수행하는 "방법"에 대한 SAS 백서 . 한 가지 제한은 유추에 의한 예측은 단지 당신이 좋은 유추가있을 때만 작동한다는 것입니다. 그렇지 않으면 판단 예측에 의존 할 수 있습니다. 다음은 Forecastpro와 같은 도구를 사용하여 유추하여 예측하는 방법에 대한 Forecastpro 소프트웨어의 다른 비디오 입니다. 유추를 선택하는 것은 과학보다 더 예술적이며 유사한 제품 / 상황을 선택하려면 도메인 전문 지식이 필요합니다.
짧거나 새로운 제품 예측을위한 두 가지 훌륭한 리소스 :
다음은 설명을위한 것입니다. 방금 Signal and Noise를 읽었습니다.네이트 실버 (Nate Silver)는 미국과 일본 (아날로그 대 미국 시장) 주택 시장 거품과 예측에 대해 좋은 예가 있다고 언급했다. 아래 차트에서 10 개의 데이터 포인트에서 멈추고 외삽 방법 (지수 스무딩 / 세트 / 아리마 ...) 중 하나를 사용하고 그것이 어디로 향하는 지 그리고 실제로 끝난 곳을보십시오. 다시 제시 한 예는 단순한 추세 외삽보다 훨씬 더 복잡합니다. 이는 제한된 데이터 포인트를 사용하여 추세 외삽의 위험을 강조하기위한 것입니다. 또한 제품에 계절 패턴이있는 경우 예측을 위해 유사한 형태의 제품 상황을 사용해야합니다. 나는 Journal of Business 리서치에서 약 13 주간 의약품을 판매 할 경우 유사한 제품을 사용하여 더 정확하게 데이터를 예측할 수 있다고 생각하는 기사를 읽었습니다.