销量预测：

评价指标：

单个原子颗粒度，Acc=1-MAPE=1-abs(真实销量-预测销量)/真实销量

全部的预测准确率，每个商品的实际销量加权平均

 

解题思路：

销量可以分为日销和大促分开，大促又可以分为促前、促中、促后。

大促又可以分为不同的等级（S、A、B）捕捉销量的周期性、季节性、趋势性。

把商品分为周期性商品和季节性商品，以及对按照销量对商品等级进行划分（ABCDE）

 

异常值及缺失值的检测与填充：缺失值是指由于缺货导致的当日无销量，这种用最近几天的均值做替换。异常值是学习这个商品的分布，并以此检验其各个点的分布，分布过于异常的看看当日有无特殊活动，如无则填充。

 

模型：XGB、自上往下的专家模型、falcon

模型融合：分层融合

 

特征：日均销、14日均销、周同期销量、周增长比率、周增长因子、日环比、日同比、周内/周末环比、波动因子、同档期对齐销量、按品牌/类目聚合均销、销量log变换、销量交叉对齐特征及日期/类目相关静态编码特征等。

 

峰度、偏度、峰值数量、平均值、最大值

 

 

 

后处理：去年同期爆发系数（如20201101相较20201020）* 今年基准均销量（20211020和20211021均销量），对应id_code的后处理预测值直接替换原模型结果，包括今年业务要主推的商品，用去年的TOP100平均爆发系数去单独预测  

 

仓库的处理能力达不到，或者仓库的库存不足，会相应的在预测的结果上对结果进行调整。