Dans ce module, vous découvrirez un aperçu des fonctionnalités utilisées dans le cours. Nous expliquerons comment les objets et les méthodes du package « Automatic Time Series Modeling » (ATSM) de SAS Visual Forecasting peuvent être combinés pour résoudre des problèmes de prévision à grande échelle. Nous décrirons également comment la configuration des objets et les flux d’informations évoluent en fonction de l’étape du processus de prévision automatique à laquelle vous vous trouvez.

Dans ce module, nous utiliserons la procédure TSMODEL pour effectuer l'accumulation de séries chronologiques et l'interprétation des valeurs manquantes. Nous utiliserons des packages pour PROC TSMODEL. Il s'agit de blocs de code pouvant être insérés dans le flux de votre code PROC TSMODEL afin d'effectuer des tâches de spécialisation, tant pour la préparation que pour l'analyse des données. Nous aborderons ensuite les hiérarchies de séries chronologiques et la manière d'utiliser une instruction BY dans PROC TSMODEL pour créer une hiérarchie.

Dans ce module, nous utiliserons le package ATSM de la procédure PROC TSMODEL pour effectuer des prévisions automatiques, ainsi que la sélection et la spécification de modèles. Nous passerons en revue le processus de déclaration et d'utilisation des nombreux objets ATSM et aborderons le rôle de chaque objet au sein du processus de prévision automatique.

Ce module décrit et illustre les fonctionnalités permettant de créer vos propres modèles personnalisés dans le système de prévision. Nous vous fournirons des instructions étape par étape pour élaborer une spécification personnalisée, puis pour modifier le processus de sélection automatique des modèles afin d'inclure votre modèle parmi les candidats pour toutes les séries d'un niveau donné de la hiérarchie des données.

Dans ce module, nous allons générer des variables d'événement de trois manières différentes. Tout d'abord, nous utiliserons le package ATSM pour créer et implémenter des variables d'événement prédéfinies. Ensuite, nous créerons des variables d'événement à l'aide de la procédure HPFEVENTS. Enfin, nous effectuerons un traitement conditionnel par groupe BY pour la création de variables d'événement. Ensuite, nous utiliserons et identifierons des modèles ARIMAX et ESM, produirons des listes de sélection de modèles et choisirons un modèle de référence. À l’aide du modèle de référence sélectionné et en transmettant les variables d’événement prédéfinies à la procédure TSMODEL, nous générerons des prévisions automatiques et obtiendrons les estimations du modèle ainsi que les statistiques d’ajustement.

Le rapprochement des prévisions statistiques intervient une fois que les processus automatiques de génération, de sélection et de prévision des modèles sont terminés. Dans ce module, nous décrivons le processus de rapprochement et présentons les outils et options du système permettant de rapprocher les prévisions statistiques que nous avons générées précédemment dans le cadre de ce cours.

Ce module aborde divers sujets. Tout d'abord, nous aborderons les outils système et les bonnes pratiques susceptibles d'améliorer la précision de vos prévisions système. Il s'agit notamment de bonnes pratiques telles que l'évaluation objective pour la sélection du modèle optimal, ainsi que d'outils système comme la détection des valeurs aberrantes et les prévisions basées sur des modèles combinés. Ensuite, nous décrirons les options et les bonnes pratiques liées à la projection du système dans le temps.

Dans ce module, vous évaluez votre compréhension du contenu du cours.