مشخصات مقاله | |
عنوان مقاله | The forecastability quotient reconsidered |
ترجمه عنوان مقاله | بهره قابل پیش بینی تجدیدنظر شده |
فرمت مقاله | |
نوع مقاله | ISI |
نوع نگارش مقاله | مقاله پژوهشی (Research article) |
سال انتشار | |
تعداد صفحات مقاله | 4 صفحه |
رشته های مرتبط | مدیریت |
گرایش های مرتبط | مدیریت کسب و کار MBA |
مجله | مجله بین المللی پیش بینی – International Journal of Forecasting |
دانشگاه | دانشگاه هوستون – کالج کسب و کار بائر، ایالات متحده |
کلمات کلیدی | قدامات خطا، ارزیابی پیش بینی، صاف نمایی، پیش بینی موجودی، سری زمانی |
کد محصول | E4012 |
نشریه | نشریه الزویر |
لینک مقاله در سایت مرجع | لینک این مقاله در سایت الزویر (ساینس دایرکت) Sciencedirect – Elsevier |
وضعیت ترجمه مقاله | ترجمه آماده این مقاله موجود نمیباشد. میتوانید از طریق دکمه پایین سفارش دهید. |
دانلود رایگان مقاله | دانلود رایگان مقاله انگلیسی |
سفارش ترجمه این مقاله | سفارش ترجمه این مقاله |
بخشی از متن مقاله: |
1. Introduction
Hill, Zhang, and Burch (2015) proposed a measure called a ‘‘forecastability quotient’’ that estimates ‘‘. . . the economic advantage of using a time phased reorder point system (TPOP) with time series forecasting rather than a simple reorder point system in an independent demand inventory management context’’. In plain language, their version of the TPOP uses the forecasts from a time series method to determine when to reorder stock, while their simple reorder point system uses a moving average forecast (with the length or type of moving average unspecified). Hill et al. define the forecastability quotient (Q) as the standard deviation of the time series divided by the standard deviation of the forecast errors. If this ratio is more than one, the authors conclude that forecasting should be done using a time series method. If the ratio is less than one, the authors reject all time series methods and conclude that forecasting should be done using a moving average. Although research has long since established that a method’s ex ante fit often has little to do with its ex post accuracy, Hill et al. claim that Q in the holdout sample can be predicted as a function of Q in the fitting sample, together with the parameters in Holt’s additive trend method of exponential smoothing (Holt, 2004). We have a number of corrections and objections to Hill et al.’s analysis and conclusions, but our most important point is that Holt’s method is the wrong one for the data. |