Optimizing Sales Forecasts through Automated Integration of Market Indicators
通过自动整合市场指标优化销售预测AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确将宏观时间序列纳入 SARIMAX 等销售预测模型，直接涉及时间序列建模。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
通过自动整合市场指标优化销售预测
- 研究问题
- 相较仅使用历史需求，自动选择并加入宏观市场指标能否改善企业销售预测，并减少人工选择外部变量的工作？
- 方法与思路
- 作者将 Eurostat 宏观时间序列通过不同特征选择方法纳入 Neural Prophet 和 SARIMAX，并用于合作企业销售数据。
- 材料陈述的贡献
- 摘要称外部信息改善预测，前向特征选择在不同销售数据上表现较好，而两类预测模型之间未发现显著的整体优劣。
- 阅读关注点
- 应核对外部指标发布时点、特征选择是否仅用训练数据、滚动验证和误差指标，以及显著改善与模型差异的检验依据。
- 阅读边界
- 仅据 arXiv 预印本摘要，不能确认同行评审或期刊接收；数据规模、预测期限和误差数值未说明，企业销售结果不能直接推广至宏观预测。
原文摘要
Recognizing that traditional forecasting models often rely solely on historical demand, this work investigates the potential of data-driven techniques to automatically select and integrate market indicators for improving customer demand predictions. By adopting an exploratory methodology, we integrate macroeconomic time series, such as national GDP growth, from the \textit{Eurostat} database into \textit{Neural Prophet} and \textit{SARIMAX} forecasting models. Suitable time series are automatically identified through different state-of-the-art feature selection methods and applied to sales data from our industrial partner. It could be shown that forecasts can be significantly enhanced by incorporating external information. Notably, the potential of feature selection methods stands out, especially due to their capability for automation without expert knowledge and manual selection effort. In particular, the Forward Feature Selection technique consistently yielded superior forecasting accuracy for both SARIMAX and Neural Prophet across different company sales datasets. In the comparative analysis of the errors of the selected forecasting models, namely Neural Prophet and SARIMAX, it is observed that neither model demonstrates a significant superiority over the other.