National and Kapodistrian University of Athens
Retail sales forecasting under macroeconomic conditions : a regression-based machine learning approach.
Abstract
dc:descriptionΗ παρούσα εργασία εξετάζει την πρόβλεψη εβδομαδιαίων λιανικών πωλήσεων υπό συνθήκες μεταβαλλόμενου μακροοικονομικού περιβάλλοντος, μέσω της συγκριτικής αξιολόγησης πέντε μοντέλων παλινδρόμησης. Συγκεκριμένα, εφαρμόζονται τα μοντέλα Linear Regression, Ridge Regression, Lasso Regression, Random Forest και XGBoost, με στόχο την εκτίμηση της προβλεπτικής τους ικανότητας. Το ερευνητικό πλαίσιο βασίζεται σε χρονοσειρές πωλήσεων, εμπλουτισμένες με μακροοικονομικές και χρονικές μεταβλητές, όπως υστερήσεις και κινητοί μέσοι όροι. Η αξιολόγηση πραγματοποιείται μέσω των μετρικών R², RMSE και MAE. Τα αποτελέσματα καταδεικνύουν ότι όλα τα μοντέλα επιτυγχάνουν υψηλή ακρίβεια, με τη γραμμική παλινδρόμηση να παρουσιάζει οριακά καλύτερη απόδοση. Παράλληλα, αναδεικνύεται η καθοριστική σημασία των ιστορικών μεταβλητών στην πρόβλεψη, ενώ οι μη γραμμικές μέθοδοι δεν εμφανίζουν ουσιαστικό πλεονέκτημα στο συγκεκριμένο σύνολο δεδομένων. Η μελέτη συμβάλλει στην κατανόηση της δυναμικής των πωλήσεων και στην ανάπτυξη αξιόπιστων εργαλείων λήψης επιχειρηματικών αποφάσεων. Λέξεις-κλειδιά: Λιανικές πωλήσεις, Πρόβλεψη ζήτησης, Μηχανική μάθηση, Παλινδρόμηση, Μακροοικονομικοί παράγοντες, Χρονοσειρές
Author and committee
dc:creator, dc:contributor.*- Authors dc:creator
-
- ΚΑΤΩΠΟΔΗ-ΒΑΣΑΛΟΥ ΤΑΤΙΑΝΑ
- KATOPODI-VASALOU TATIANA
Subjects
dc:subject × 2Rights
- Language dc:language
- Ελληνικά, Greek
Identifiers
dc:identifier.*- Identifier
- uoadl:5452589