is Íslenska en English

Lokaverkefni (Meistara)

Háskólinn í Reykjavík > Tæknisvið / School of Technology > Med/MPM/MSc Tækni- og verkfræðideild (-2019) / School of Science and Engineering >

Vinsamlegast notið þetta auðkenni þegar þið vitnið til verksins eða tengið í það: http://hdl.handle.net/1946/31384

Titill: 
  • Titill er á ensku Forecast Modelling for the Icelandic Automotive Market
  • Spágerð fyrir íslenska bílamarkaðinn
Námsstig: 
  • Meistara
Útdráttur: 
  • Útdráttur er á ensku

    In all business where substantial investments are made in inventory, it is important to be able to predict future demand. Bad inventory management can cause inventory costs to surge or potential sales opportunities to be lost. To prevent such a situation, it is often possible to develop a model that utilizes historical data and quantitative methods to predict future demand. A market where sizable amounts are tied up in inventory is, for example, the automotive market. In this thesis, six different quantitative methods were used to predict automotive sales, excluding car rental sales. The methods are simple moving average, simple exponential smoothing, Holt-Winters exponential smoothing, multiple linear regression, support vector regression and random forest. The first three methods only use historical registration numbers from ICETRA to predict the size of the market while the latter three methods use selected exogenous variables as well. Two questions are presented in the paper: Do machine learning algorithms return smaller forecasting errors for the Icelandic automotive market compared to traditional time series analysis methods? Which collection of data points, monthly or quarterly, is more suitable for Icelandic dealerships and returns lower forecasting errors? These questions were answered by creating a model for each method where actual data was used for validation. The Icelandic automotive market is relatively volatile, making it difficult at times to predict the size of the market correctly. With respect to that, the results of the forecasting models are considered reasonable. The most accurate models implemented utilized regression analysis and quarterly data. The method that yielded the lowest forecasting error for a two-year forecasting period was support vector regression.

  • Í öllum atvinnurekstri þar sem mikil fjárbinding er sett í birgðahald er mikilvægt að geta spáð fyrir um komandi eftirspurn. Slæm birgðastjórnun getur bæði valdið því að birgðakostnaður rýkur upp eða þá að möguleg sölutækifæri tapast. Til að koma í veg fyrir þessi tilfelli er oft möguleiki að útbúa líkan sem nýtir sér söguleg gögn og tölulegar aðferðir til að spá fyrir um komandi eftirspurn. Markaður þar sem háar fjárhæðir eru bundnar í birgðum fyrirtækja er til dæmis bílamarkaðurinn. Í þessari ritgerð voru sex mismunandi tölulegar aðferðir notaðar til spá fyrir um stærð íslenska bílamarkaðarins, utan bílaleigu. Aðferðirnar eru: einfalt hreyfanlegt meðaltal, einföld veldisjöfnun, Holt-Winters veldisjöfnun, margþætt línuleg aðhvarfsgreining, stoðvigra aðhvarfsgreining (e. Support Vector Regression) og ræktun slembiskóga (e. Random Forest). Fyrstu þrjár aðferðinar notast aðeins við sögulegar skráningartölur frá Samgöngustofu til að spá fyrir um stærð markaðarins á meðan seinni þrjár notast við valdar efnahagstölur þar að auki. Tvær spurningar voru settar fram í ritgerðinni: Skila gagnanáms reiknirit minni spáskekkju en hefbundnar tölfræðilegar aðferðir þegar spáð er fyrir um íslenska bílamarkaðinn? Hvaða samansafn af gögnum, mánaðarleg eða fjórðungsleg, henta íslenskum bílaumboðum betur og skila lægri spáskekkju? Þessum spurningum var svarað með því að útbúa líkan fyrir hverja aðferð þar sem raunveruleg gögn voru notuð til að sannreyna líkönin. Íslenski bílamarkaðurinn er nokkuð sveiflukenndur og því erfitt á tímum að spá rétt fyrir um stærð hans. Með tilliti til þess, eru niðurstöður spálíkananna taldar vera sæmilegar. Nákvæmustu líkönin eru þau sem notast við aðhvarfsgreiningu og fjórðungsleg gögn. Sú aðferð sem skilaði minnstri spáskekkju fyrir tveggja ára spátímabil var stoðvigra aðhvarfsgreining.

Samþykkt: 
  • 20.6.2018
URI: 
  • http://hdl.handle.net/1946/31384


Skrár
Skráarnafn Stærð AðgangurLýsingSkráartegund 
MSC-Erling-Gauti-Jonsson-Spring2018.pdf2.86 MBOpinnHeildartextiPDFSkoða/Opna