پیش بینی میزان فروش با بهره برداری از روش یادگیری متا (مورد مطالعه: فروش آلومینیوم در بورس کالای ایران)

سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 23

فایل این مقاله در 22 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_NMRJ-13-3_006

تاریخ نمایه سازی: 30 اردیبهشت 1403

چکیده مقاله:

با توجه به جایگاه ویژه پیش بینی فروش بازار در تحلیل فرصت های بازاریابی و نقش مهمی که پیش بینی فروش در برنامه ریزی بخش های مختلف یک سازمان دارد، هدف اصلی پژوهش حاضر استفاده از یکی از ابزارهای نوین حوزه یادگیری ماشین (روش یادگیری متا) برای پیش بینی میزان فروش با مطالعه موردی فروش آلومینیوم در بورس کالای ایران است. پژوهش حاضر در دسته پژوهش های کاربردی قرار می گیرد و داده های پژوهش با استفاده از منبع داده های ثانویه  گردآوری شده است. در این پژوهش برای تجزیه و تحلیل از اطلاعات موجود در گزارش های هفتگی منتشر شده در پایگاه رسمی سازمان بورس کالای ایران استفاده شده است. مراحل انجام دادن پژوهش بر مبنای اصول پیش بینی و با استفاده از رویکرد روش یادگیری متا صورت گرفته است. در یافته های پژوهش حاضر چگونگی استفاده از روش یادگیری متا برای پیش بینی میزان فروش و تخمین تقاضای آلومینیوم در بورس کالای ایران نشان داده شد. مدل مبتنی بر روش یادگیری متا برمبنای ۴ روش پیش بینی پایه ای شبکه عصبی، آریما، رگرسیون و هموارسازی نمایی و بر بستر داده های سری زمانی مربوط به فروش آلومینیوم در بورس کالای ایران (شامل ۳۴۴ مقطع زمانی بین سال های ۱۳۹۴ تا ۱۴۰۱) ارائه شده است. بررسی دقت نتایج حاصل از به کارگیری روش یادگیری متا برای پیش بینی میزان فروش، برتری این روش را در مقایسه با چهار روش پیش بینی منتخب دیگر نشان داده است. در این پژوهش برای صحت سنجی نتایج به دست آمده سه مرحله اعتبارسنجی صورت گرفت که در نتایج هر سه نمونه اعتبارسنجی، برتری دقت روش یادگیری متا تایید شده است. در پژوهش حاضر از روش یادگیری متا برای پیش بینی میزان فروش استفاده شده است. توانایی این روش در حل مسئله پیش بینی یکی از قابلیت های استفاده از ابزارهای هوش مصنوعی را در حل مسائل مختلف مدیریتی نشان می دهد. در نتیجه این پژوهش، روش یادگیری متا به عنوان ابزاری توانمند در حوزه پیش بینی میزان فروش به مدیران بازاریابی و پژوهشگران این حوزه معرفی شده است.

نویسندگان

محمدمهدی عبابافها

کارشناس ارشد رشته مدیریت کسب و کار گرایش مدیریت بازاریابی، دانشکده علوم اجتماعی دانشگاه بین المللی امام خمینی (ره)، قزوین، ایران

صفر فضلی

استاد گروه مدیریت، دانشکده علوم اجتماعی دانشگاه بین المللی امام خمینی (ره)، قزوین، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • سیفی، سحر (۱۳۹۷). پیش بینی میزان فروش تلفن های همراه ...
  • فلاح، مجتبی (۱۳۹۶). ارائه یک سیستم پشتیبان تصمیم با استفاده ...
  • Baxter, J. (۲۰۰۰). A model of inductive bias learning. Journal ...
  • Brazdil, P., Giraud-Carrier, C., Soares, C., & Vilalta, R. (۲۰۰۹). ...
  • Chen, S. H., & Wang, P. P. (۲۰۰۴). Computational intelligence ...
  • Chen, Y., Fu, G., & Liu, X. (۲۰۲۰). Air-conditioning load ...
  • David, F. R. (۲۰۱۱). Strategic management concepts and cases. Pearson ...
  • Dibb, S., & Simkin, L. (۲۰۱۲). Marketing briefs: A revision ...
  • Ding, S., Dong, C., Zhao, T., Koh, L., Bai, X., ...
  • Dudin, M. N., Voykova, N. A., Frolova, E. E., Artemieva, ...
  • Evans, J. A., & Foster, J. G. (۲۰۱۱). Metaknowledge. Science, ...
  • Fallah, M. (۲۰۱۷). Introducing a decision support system model to ...
  • Foster, D., & Davis, J. (۱۹۸۴). Mastering marketing. Red globe ...
  • Freeman, J. R., & Job, B. L. (۱۹۷۹). Scientific forecasts ...
  • Gaudet, B., Linares, R., & Furfaro, R. (۲۰۲۰). Adaptive guidance ...
  • Gilliland, M., Tashman, L., & Sglavo, U. (۲۰۲۱). Business forecasting: ...
  • Hyndman, R. J., & Athanasopoulos, G. (۲۰۱۲). Forecasting: Principles and ...
  • Hyndman, R. J., & Athanasopoulos, G. (۲۰۱۸). Forecasting: Principles and ...
  • Kotler, P., & Keller, K. L. (۲۰۱۶). Marketing management. Harlow ...
  • Lachtermacher, G., & Fuller, J. D. (۱۹۹۵). Back propagation in ...
  • Larsen, K. R., & Becker, D. S. (۲۰۲۱). Automated machine ...
  • Li, Y., & Ying, F. (۲۰۱۱). Multivariate time series analysis ...
  • Makridakis, S., Wheelwright, S. C., & Hyndman, R. J. (۲۰۰۸). ...
  • Mastorocostas, P. A., Theocharis, J. B., & Petridis, V. S. ...
  • McClendon, L., & Meghanathan, N. (۲۰۱۵). Using machine learning algorithms ...
  • Mills, T. C. (۲۰۱۹). Applied time series analysis: A practical ...
  • Montgomery, D. C., Jennings, C. L., & Kulahci, M. (۲۰۱۵). ...
  • Papalexopoulos, A. D., & Hesterberg, T. C. (۱۹۹۰). A regression-based ...
  • Pal, A., & Prakash, P. K. S. (۲۰۱۷). Practical time ...
  • Park, J. H., Park, Y. M., & Lee, K. Y. ...
  • Peixeiro, M. (۲۰۲۱). Time series forecasting in python (MEAP v۰۳). ...
  • Seyfi, S. (۲۰۱۸). Predicting smartphones sales by implementing combine algorithms ...
  • Shmueli, G., & Kenneth, C. (۲۰۱۶). Practical time series forecasting ...
  • Tanter, R. (۱۹۷۲). Explanation, prediction and forecasting in international politics. The ...
  • Terui, N., & Li, Y. (۲۰۱۹). Measuring large‐scale market responses ...
  • Zarnowitz, V. (۱۹۶۸). Prediction and forecasting, economic. International Encyclopedia of ...
  • Zhao, Y. (۲۰۲۱). Analysis and forecast of car sales based ...
  • نمایش کامل مراجع