Propósito Este documento tiene como objetivo proponer un modelo multivariado gris discreto de orden fraccionario estacional mejorado para predecir series de datos con características estacionales y periódicas de manera más precisa. Diseño/metodología/enfoque Se construye un modelo multivariado gris de orden fraccionario estacional diferenciado considerando el efecto de interacción, mediante la introducción de términos de conducción interactivos y estacionales, así como órdenes acumulativas diferenciadas. El nuevo modelo considera el efecto de interacción entre la evolución transversal y longitudinal. Además, se establecen órdenes de acumulación diferenciados para variables heterogéneas. Para mejorar aún más el modelo, se introduce además un operador de atenuación promedio. En segundo lugar, el algoritmo óptimo se selecciona a través del método de Monte Carlo. La robustez y la sensibilidad al ruido se analizan a través de análisis comparativos y pruebas estadísticas. Finalmente, se aplica el nuevo modelo a las ventas trimestrales de vehículos de nueva energía en China. Resultados Los resultados de validación demuestran ventajas significativas del nuevo modelo para datos estacionales y cíclicos, exhibiendo un error mínimo, la mayor estabilidad y la menor sensibilidad al ruido. Además, los resultados de la predicción de las futuras ventas trimestrales de vehículos de nueva energía demuestran un aumento año a año en las ventas y una disminución gradual en la volatilidad periódica. Originalidad/valor El nuevo modelo integra interacción, estacionalidad y órdenes de acumulación diferenciadas, demostrando fuertes capacidades de ajuste y previsión para datos estacionales y periódicos. Además, puede ser utilizado de manera efectiva para pronosticar las ventas trimestrales de vehículos de nueva energía en China, con el objetivo de proporcionar un soporte de datos más preciso para que los fabricantes de automóviles optimicen la asignación de capacidad de producción y mejoren la colaboración en la cadena de suministro.
Li et al. (Fri,) estudiaron esta cuestión.