Ключевое слово: «numpy»

Цель данной статьи – поиск лучшей модели для прогноза временных рядов с учетом минимизации ошибок и высокой точности прогноза. Использован метод сравнительного анализа наиболее популярных «традиционных» эконометрических моделей ARIMA и SARIMA.Алгоритмы и модели реализованы в среде программирования Python с подключенными библиотеками Sklearn, Pandas, Numpy и Statsmodels. В качестве входных наборов данных импортированы данные о продажах товаров за 5 лет в 10 магазинах. Результаты исследования подтверждают превосходство SARIMAмодели, при которой ошибка RMSEна 20% меньше, чем при использовании ARIMA. Сделан вывод, что для повышения качества прогноза временных рядов предпочтительно применять алгоритм на основе модели SARIMA.