状態空間モデル等による多変量時系列データ解析

1. 状態空間モデル等による多変量時系列データ解析
ホテル予約サイトにおける予約数予測
株式会社ビジネスアナリティクス
2014/12/24

2. 2
ホテル予約サイトにおける課題
人気のホテルはすぐ満室になってしまう
ホテル別の予約数を予測し、
満室になる可能性の高いホテルは早期予約を促進する

3. 3
時系列予測における課題
 キャンペーン等の影響により過去の予約実績のみでは予測が困難
 最近オープンしたホテル等、十分な予約実績がないホテルが多数存在
来月の予約数は、
当月時点での来月予約数と当月予約数である程度予測できる
「多変量時系列モデル」により予約数を予測

4. 4
予約数予測に利用した予測モデル
 ベクトル自己回帰移動平均モデル
vector autoregressive moving-average processes
with exogenous regressors : VARMAX
 状態空間モデル
state space model
 一般化線形モデル
generalized linear model : GLM
ベンチマークとして直近の予約データ＋GLMで予測モデルを構築

5. 5
STATE SPACEによる予測精度
MAPE : 38%

6. 6
VARMAXによる予測精度
MAPE : 36%

7. 7
GLMによる予測精度
MAPE : 33%

8. 8
結論
予測精度・カバレッジ(予測可能なホテル数)から、
GLMによる予約数予測が最も妥当
但し、より長い時系列データが確保可能なホテルに関しては、
時系列モデルを利用することにより、全体の予測精度改善は十分に可能

9. 9
本資料、および弊社サービスに関するお問い合わせは、
下記までお願いいたします。
contactus@businessanalytics.jp