Forecasting
Chapter 1 – What te forecast
Chapter 2 – What can we visualize
Chapter 3 – Decomposing time series
Chapter 4 – Time series features
Chapter 5 – Basic toolbox
Chapter 6 – Lineaire regressie
Chapter 7 – Exponential Smoothing
Chapter 8 – ARIMA models
Datacamp 1 – manipulating time series
Datacamp 2 – basic time series metrics – resampling
Datacamp 3 – correlation and autocorrelation
Datacamp 4 – stationarity
Datacamp 5 – seasonality and trend decomposition
Datacamp 6 – AR models
Datacamp 7 – MA and ARMA models
Datacamp 8 – arima models model selection
Datacamp 9 – seasonal ARIMA models
, Chapter 1 What to forecast
Van invloed op de kwaliteit van voorspelling
1. Hoe goed de factoren van de voorspelling te begrijpen zijn.
2. Hoeveel data beschikbaar is.
3. Of de voorspellingen van invloed kunnen zijn op wat we proberen te voorspellen.
Vraagelasticiteit -> goed te voorspellen
Wisselkoersen -> niet goed te voorspellen
Naïve method -> de meest recente observaties gebruiken als voorspelling.
Judgmental forecasting -> als er geen data beschikbaar is bijvoorbeeld verkoopvoorspellingen van
een nieuw product.
Forecasting -> voorspellen van de toekomst.
Goals -> wat je graag wilt dat er gebeurt.
Planning -> reactie op forecasting en goals.
Short-term forecasts -> het roosteren van personeel, productie en transport.
Medium-term forecasts -> bepalen toekomstige benodigdheden.
Long-term forecasts -> strategische planning.
Forecasting horizon -> hoever je vooruit wil voorspellen.
Qualitative forecasting -> benadering om een goede voorspelling te verkrijgen zonder historische
data.
Voorwaarden gebruik quantitative forecasting
1. Cijfermatige informatie uit het verleden is beschikbaar.
2. Historische patronen zullen waarschijnlijk ook in de toekomst plaatsvinden.
Quantitative forecasting methods
1. Naïve approach -> wat in de vorige periode gebeurde gebeurt weer.
2. Moving average -> gemiddelde van de laatste periode gebeurt in deze periode.
3. Exponential smoothing -> gewogen gemiddelde van de periode, rekening houdend met
welke periode je wil voorspellen.
4. Trend projection -> rekening houdend met de trend.
Qualitative forecasting methods
1. Executive opinion -> voorspelling door leidinggevende.
2. Delphi method -> consumenten en adviseurs vullen een vragenlijst in, gegevens worden
verzameld, beslissingen worden gemaakt.
3. Sales force estimates -> voorspelling door sales mensen.
4. Consumer surveys -> klanten wordt gevraagd of ze het zouden kopen.
Stappen voorspellen
1. Probleem definiëren.
2. Verzamelen informatie.
3. Voorlopige verkennende analyse.
4. Modellen kiezen.
5. Gebruiken en evalueren voorspellende modellen.
, Prediction interval -> reeks waarden die de variabele met relatief grote waarschijnlijkheid zou
kunnen aannemen.
Point forecasts -> gemiddelde van de mogelijke toekomstige waarden.
Forecast distribution -> reeks waarden die de variabele zou kunnen aannemen, samen met hun
relatieve kansen.
Chapter 1 – What te forecast
Chapter 2 – What can we visualize
Chapter 3 – Decomposing time series
Chapter 4 – Time series features
Chapter 5 – Basic toolbox
Chapter 6 – Lineaire regressie
Chapter 7 – Exponential Smoothing
Chapter 8 – ARIMA models
Datacamp 1 – manipulating time series
Datacamp 2 – basic time series metrics – resampling
Datacamp 3 – correlation and autocorrelation
Datacamp 4 – stationarity
Datacamp 5 – seasonality and trend decomposition
Datacamp 6 – AR models
Datacamp 7 – MA and ARMA models
Datacamp 8 – arima models model selection
Datacamp 9 – seasonal ARIMA models
, Chapter 1 What to forecast
Van invloed op de kwaliteit van voorspelling
1. Hoe goed de factoren van de voorspelling te begrijpen zijn.
2. Hoeveel data beschikbaar is.
3. Of de voorspellingen van invloed kunnen zijn op wat we proberen te voorspellen.
Vraagelasticiteit -> goed te voorspellen
Wisselkoersen -> niet goed te voorspellen
Naïve method -> de meest recente observaties gebruiken als voorspelling.
Judgmental forecasting -> als er geen data beschikbaar is bijvoorbeeld verkoopvoorspellingen van
een nieuw product.
Forecasting -> voorspellen van de toekomst.
Goals -> wat je graag wilt dat er gebeurt.
Planning -> reactie op forecasting en goals.
Short-term forecasts -> het roosteren van personeel, productie en transport.
Medium-term forecasts -> bepalen toekomstige benodigdheden.
Long-term forecasts -> strategische planning.
Forecasting horizon -> hoever je vooruit wil voorspellen.
Qualitative forecasting -> benadering om een goede voorspelling te verkrijgen zonder historische
data.
Voorwaarden gebruik quantitative forecasting
1. Cijfermatige informatie uit het verleden is beschikbaar.
2. Historische patronen zullen waarschijnlijk ook in de toekomst plaatsvinden.
Quantitative forecasting methods
1. Naïve approach -> wat in de vorige periode gebeurde gebeurt weer.
2. Moving average -> gemiddelde van de laatste periode gebeurt in deze periode.
3. Exponential smoothing -> gewogen gemiddelde van de periode, rekening houdend met
welke periode je wil voorspellen.
4. Trend projection -> rekening houdend met de trend.
Qualitative forecasting methods
1. Executive opinion -> voorspelling door leidinggevende.
2. Delphi method -> consumenten en adviseurs vullen een vragenlijst in, gegevens worden
verzameld, beslissingen worden gemaakt.
3. Sales force estimates -> voorspelling door sales mensen.
4. Consumer surveys -> klanten wordt gevraagd of ze het zouden kopen.
Stappen voorspellen
1. Probleem definiëren.
2. Verzamelen informatie.
3. Voorlopige verkennende analyse.
4. Modellen kiezen.
5. Gebruiken en evalueren voorspellende modellen.
, Prediction interval -> reeks waarden die de variabele met relatief grote waarschijnlijkheid zou
kunnen aannemen.
Point forecasts -> gemiddelde van de mogelijke toekomstige waarden.
Forecast distribution -> reeks waarden die de variabele zou kunnen aannemen, samen met hun
relatieve kansen.
