Sales Prediction Applying Linguistic Fuzzy Logic Forecaster

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27510%2F19%3A10243849" target="_blank" >RIV/61989100:27510/19:10243849 - isvavai.cz</a>

Výsledek na webu

<a href="https://mme2019.ef.jcu.cz/files/conference_proceedings.pdf" target="_blank" >https://mme2019.ef.jcu.cz/files/conference_proceedings.pdf</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Sales Prediction Applying Linguistic Fuzzy Logic Forecaster

Popis výsledku v původním jazyce

In this contribution, we focus on sales prediction by means of Linguistic Fuzzy Logic Forecaster (LFL-Forecaster). To be more specific, we compare the accu-racy of the prediction obtained by means of this method and the prediction ac-curacy of standard approaches such as extrapolation of the time series and time series decomposition into trend and seasonal component. As the benchmark, we also apply the prediction based on the last known sales and average sales in the previous period. The LFL-forecaster combines the fuzzy transform technique to extract the trend part with fuzzy natural logic in order to forecast future values. Both methods apply the principles of fuzzy sets. From the obtained results, we demonstrate that for selected time series of sales the LFL-Forecaster provides the most accurate prediction in the out-of-sample period, however even this method is prone to the changes in the length of input data and structural breaks.

Název v anglickém jazyce

Sales Prediction Applying Linguistic Fuzzy Logic Forecaster

Popis výsledku anglicky

In this contribution, we focus on sales prediction by means of Linguistic Fuzzy Logic Forecaster (LFL-Forecaster). To be more specific, we compare the accu-racy of the prediction obtained by means of this method and the prediction ac-curacy of standard approaches such as extrapolation of the time series and time series decomposition into trend and seasonal component. As the benchmark, we also apply the prediction based on the last known sales and average sales in the previous period. The LFL-forecaster combines the fuzzy transform technique to extract the trend part with fuzzy natural logic in order to forecast future values. Both methods apply the principles of fuzzy sets. From the obtained results, we demonstrate that for selected time series of sales the LFL-Forecaster provides the most accurate prediction in the out-of-sample period, however even this method is prone to the changes in the length of input data and structural breaks.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

50206 - Finance

Projekt

Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2019

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

MME 2019 : 37th International Conference on Mathematical Methods in Economics 2019 : conference proceedings : České Budějovice, September 11-13, 2019

ISBN

978-80-7394-760-6

ISSN

—

e-ISSN

—

Počet stran výsledku

6

Strana od-do

445-450

Název nakladatele

Jihočeská univerzita v Českých Budějovicích

Místo vydání

České Budějovice

Místo konání akce

České Budějovice

Datum konání akce

11. 9. 2019

Typ akce podle státní příslušnosti

CST - Celostátní akce

Kód UT WoS článku

000507570400074