Прогнозирование туристского спроса с использованием усовершенствованной модели смешанной выборки данных
Forecasting Tourism Demand with an Improved Mixed Data Sampling Model
2020-03-16
SCID: 54.1/g22q7zjc
Discuss with AI
обобщённая динамическая факторная модельмодель смешанной выборки данных (MIDAS)данные поисковых запросовсезонная ARIMAпрогнозирование туристического спроса
Figures from the paper
Abstract (AI)
Данные поисковых запросов отражают намерения, предпочтения и интересы пользователей. В последние годы возрос интерес к использованию таких данных для прогнозирования туристского спроса. Для такого прогнозирования часто применяется метод смешанной выборки данных (MIDAS), однако он неэффективен при наличии динамики скользящего среднего (MA). Для изучения значимости компонентов MA в моделях MIDAS при прогнозировании туристского спроса предложена усовершенствованная модель MIDAS, интегрирующая MIDAS с процессом сезонной авторегрессии — интегрированного скользящего среднего. Ее эффективность проверяется путем прогнозирования ежемесячного числа прибытий туристов в Гонконг из материкового Китая с использованием ежедневных композитных индексов, построенных на основе большого числа поисковых запросов с помощью обобщенной динамической факторной модели. Результаты прогнозирования показывают, что эта новая модель значительно превосходит эталонную модель. Кроме того, сравнение прогнозов и оперативных оценок показывает, что последние в целом превосходят первые.
Key Findings
1
Дневные составные поисковые индексы, построенные с использованием обобщённой динамической факторной модели, улучшают прогнозирование ежемесячного потока туристов из материкового Китая в Гонконг.
2
Данные поисковых запросов, отражающие намерения, предпочтения и интересы пользователей, могут использоваться для прогнозирования туристического спроса.
3
Стандартные модели MIDAS менее эффективны, когда в данных о туристическом спросе присутствует динамика скользящего среднего.
4
Улучшенная модель значительно превосходит эталонную, при этом краткосрочные оценки обычно превосходят прогнозы.
5
Предложенная модель объединяет MIDAS с сезонным процессом ARIMA, чтобы учитывать компоненты скользящего среднего при прогнозировании данных разной частоты.
Research Object
Ежемесячный поток туристов из материкового Китая в Гонконг
Research Subject
Значимость динамики скользящего среднего и прогностическая эффективность усовершенствованной модели MIDAS–сезонной ARIMA с использованием дневных индексов поисковых запросов
Publication Details
Publication Date
2020-03-16
Journal
Publisher
ISSN
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest