加载中...
本文提出并应用了贝叶斯Dirichlet自回归滑动平均(BDARMA)模型,直接在单纯形上对客源地市场份额进行建模,加入了ILR变换与季节性精度(precision)项以捕捉月度波动性变化,实证基于2017–2024年Airbnb预订数据,结果显示BDARMA在所有目的地区域上平均预测误差最低,EMEA区域相比朴素方法误差降低约23%,并能提供一致且含不确定性的概率性预测,有助于目的地市场资源配置与危机响应决策
| 指标 | EMEA | NAMER | APAC | LATAM |
|---|---|---|---|---|
| Observations | 96 | 96 | 96 | 96 |
| Components | 8 | 8 | 8 | 8 |
| Top origin (avg. share) | FR (23.4%) | US (82.3%) | AU (21.2%) | BR (27.4%) |
| Second origin (avg. share) | GB (14.9%) | CA (9.6%) | KR (17.8%) | MX (19.7%) |
| Top origin share range | 0.18–0.41 | 0.75–0.90 | 0.15–0.28 | 0.20–0.33 |
| Mean autocorrelation | 0.89 | 0.94 | 0.87 | 0.91 |
| 方法 | EMEA | NAMER | APAC | LATAM | Average |
|---|---|---|---|---|---|
| BDARMA (ILR) | 0.0055 | 0.0018 | 0.0122 | 0.0092 | 0.0072 |
| SARIMA (ILR) | 0.0059 | 0.0019 | 0.0154 | 0.0085 | 0.0079 |
| ETS (ILR) | 0.0066 | 0.0020 | 0.0136 | 0.0070 | 0.0073 |
| Naive | 0.0072 | 0.0019 | 0.0124 | 0.0104 | 0.0080 |
元数据与概览(引言与报告概览)
逐节深度解读(逐章精读与剖析)
数据与描述性分析(Section 4)
图表与表格深度解读(逐一分析主要表/图)
估值/量化方法分析(在本报告情境下的对应)
风险因素评估(Report-identified limitations 与潜在风险)
批判性视角与细微差别(审慎观点)
结论性综合(关键发现与建议)
附:主要图表(便于阅读的引用)
若需,我可继续:
2602.18358.pdf