In addition, we find that the multi

In addition, we find that the multiple regression method outperforms the time series method, based on the average forecasting accuracy. This finding shows that statistically sophisticated and complex methods do not necessarily provide more accurate forecasts
than simpler ones. With a MAPE of slightly more than 3% in both regions, it is shown that the multiple regression is suitable for infeed forecasting with a horizon of one year on an hourly basis. On the other hand, although the regression method provides lower MAPE compared to the time series method, it results in a larger maximum average percentage error. Hence, DSOs should choose among these methods based on the cost of available hedges in the financial market. If it is very costly to hedge for the extreme cases, then the firm may be better off with the time-series model. Otherwise, a regression models should be given preference.

ผลลัพธ์ (ไทย) 1:

นอกจากนี้ เราพบว่า วิธีการถดถอยหลาย outperforms วิธีการลำดับเวลา ตามค่าเฉลี่ยการพยากรณ์ความถูกต้อง ค้นหานี้แสดงทางสถิติที่ซับซ้อน และวิธีการซับซ้อนไม่จำเป็นต้องให้คาดการณ์แม่นยำยิ่ง
กว่าง่ายกว่าคน กับ MAPE เล็กน้อยกว่า 3% ในทั้งสองภูมิภาค เป็นแสดงว่าถดถอยหลายเหมาะสำหรับการคาดการณ์ infeed กับขอบฟ้าหนึ่งปีบนพื้นฐานเป็นรายชั่วโมง บนมืออื่น ๆ แม้ว่าวิธีการถดถอยให้ MAPE ต่ำเมื่อเทียบกับวิธีการลำดับเวลา ส่งผลข้อผิดพลาดสูงสุดเฉลี่ยเปอร์เซ็นต์ขนาดใหญ่ ดังนั้น DSOs ควรเลือกระหว่างวิธีการเหล่านี้ตามต้นทุนประเมินค่าเฮดจ์ที่มีในตลาดการเงิน ถ้ามันจะตอแหลสำหรับกรณีที่รุนแรง แล้วบริษัทอาจจะดีกว่า ด้วยรูปแบบชุดข้อมูลเวลา มิฉะนั้น โมเดลถดถอยควรได้รับการกำหนดลักษณะ

ผลลัพธ์ (ไทย) 2:

นอกจากนี้เรายังพบว่าวิธีการถดถอยหลายมีประสิทธิภาพดีกว่าวิธีอนุกรมเวลาบนพื้นฐานของความถูกต้องคาดการณ์เฉลี่ย การค้นพบนี้แสดงให้เห็นว่าวิธีการทางสถิติที่มีความซับซ้อนและมีความซับซ้อนไม่จำเป็นต้องมีการคาดการณ์ถูกต้องมากขึ้น
กว่าคนที่เรียบง่าย ด้วย MAPE ของน้อยกว่า 3% ในทั้งสองภูมิภาคจะแสดงให้เห็นว่าการถดถอยหลายเหมาะสำหรับการพยากรณ์ป้อนเข้าด้วยขอบฟ้าหนึ่งปีในแบบรายชั่วโมง ในทางกลับกันแม้ว่าวิธีการถดถอยให้ MAPE ต่ำกว่าเมื่อเทียบกับวิธีการอนุกรมเวลาผลในข้อผิดพลาดที่มีขนาดใหญ่ร้อยละเฉลี่ยสูงสุด ดังนั้น DSOs ควรเลือกระหว่างวิธีการเหล่านี้ขึ้นอยู่กับค่าใช้จ่ายของการป้องกันความเสี่ยงที่มีอยู่ในตลาดการเงิน ถ้ามันเป็นค่าใช้จ่ายสูงมากในการป้องกันความเสี่ยงในกรณีที่มากที่สุดแล้ว บริษัท อาจจะดีกว่าด้วยรูปแบบอนุกรมเวลา มิฉะนั้นแบบจำลองการถดถอยควรจะได้รับการตั้งค่า

ผลลัพธ์ (ไทย) 3:

นอกจากนี้ เราพบว่า การถดถอย พหุคูณวิธีมีประสิทธิภาพดีกว่าวิธีอนุกรมเวลา บนพื้นฐานของความถูกต้องการพยากรณ์ โดยเฉลี่ย การค้นพบนี้แสดงให้เห็นว่าวิธีการทางสถิติที่ซับซ้อนที่ซับซ้อนและไม่จําเป็นต้องให้ถูกต้องมากขึ้นกว่าการคาดการณ์
ง่ายกว่าที่ กับค่าเล็กน้อยกว่า 3 % ในทั้งสองภูมิภาคมันแสดงให้เห็นว่า การถดถอยพหุคูณเหมาะสำหรับ infeed การพยากรณ์ด้วยขอบฟ้าของหนึ่งปี บนพื้นฐานต่อชั่วโมง บนมืออื่น ๆ แม้ว่าวิธีการถดถอยแบบให้ต่ำกว่าค่าเมื่อเทียบกับวิธีอนุกรมเวลา , ผลในขนาดใหญ่สูงสุดเฉลี่ยร้อยละข้อผิดพลาด ดังนั้น dsos ควรเลือกระหว่างวิธีการเหล่านี้ขึ้นอยู่กับต้นทุนของการป้องกันความเสี่ยงที่มีอยู่ในตลาดการเงินถ้ามันแพงมาก เพื่อป้องกันความเสี่ยง สำหรับกรณีที่รุนแรงแล้ว บริษัทอาจจะดีกว่ากับอนุกรมเวลาแบบ มิฉะนั้น การถดถอยแบบควรได้รับการพิจารณาเป็นกรณีพิเศษ