Forecasting of corporate revenues with machine learning models versus traditional methods in the digital industry

Resumo

Tem havido um interesse crescente no uso de modelos de machine learning para a pre visao de vendas e receitas das empresas. Pesquisas recentes revelaram resultados promis- ˜sores, que mostram que estes modelos podem superar metodos de previs ´ ao mais cl ˜ assicos. ´Nesta tese, sao investigadas tr ˜ es bases de dados que cont ˆ em informac¸ ˆ ao sobre as receitas ˜e outros atributos das empresas Amazon, Microsoft e Netflix nas ultimas duas d ´ ecadas, ´com o objetivo de prever as suas receitas. Comec¸amos por aplicar diversas tecnicas de ´pre-processamento dos dados, que incluem as diferenc¸as hom ´ ologas de logaritmos. Pos- ´teriormente, sao implementados alguns m ˜ etodos mais cl ´ assicos de previs ´ ao de s ˜ eries tem- ´porais como o modelo autorregressivo de ordem 1. Sao desenvolvidos tamb ˜ em diferentes ´modelos de machine learning como o modelo dos m´ınimos quadrados parciais e redes neu ronais. Por fim, e feita uma comparac¸ ´ ao dos modelos, utilizando diferentes m ˜ etricas como ´o erro medio absoluto e o crit ´ erio de informac¸ ´ ao de Akaike. Os resultados mostram que ˜o modelo autorregressivo de ordem 1 tem a melhor performance na previsao das receitas ˜nas tres bases de dados. Comparando com o melhor modelo de machine learning em cada ˆuma das bases de dados, este metodo consegue reduzir o erro em mais de 12 % e at ´ e 72 %. ´Embora estes resultados precisem de investigac¸oes adicionais, de modo a abordar poss ˜ ´ıveislimitac¸oes, d ˜ ao-nos uma percec¸ ˜ ao geral sobre o desempenho de diversos modelos na pre- ˜visao de receitas de empresas digitais, o que pode representar uma contribuic¸ ˜ ao valiosa para ˜a tomada de decisoes dos neg ˜ ocios desta ind ´ ustria.

Data do prémio	5 jul. 2023
Idioma original	English
Instituição de premiação	Universidade Católica Portuguesa
Supervisor	Pedro Afonso Fernandes (Supervisor)