초록 열기/닫기 버튼
본 연구는 서울 특1급 호텔의 외국인 이용객 객실수요에 대한 예측모형으로 계절 ATIMA모형과 개입 ARIMA모형을 제시하였다. 가장 적합한 예측모형이 어느 모형인지 MAPE를 기준으로 분석되었는데, 두 모형 모두 예측오차 10% 내에서 예측을 하는 것으로 나타났다 (계절 ARIMA: 5.84%, 개입 ARIMA: 5.70%). 2003년 3월에 발생한 SARS와 2003년 12월에 발생한 조류독감의 개입을 반영한 개입 ARIMA모형이 개입 이후를 예측하는데 있어서 계절 ARIMA모형에 비하여 조금 더 우수한 것으로 나타났다. 또한, 1997년 1월부터 2005년 12월까지의 전체 자료를 적용한 예측에 있어서도 계절 ARIMA모형에 비하여 개입 ARIMA모형이 큰 차이는 없지만, 더 우수한 것으로 나타났다. 따라서, 본 연구에 있어서 전체적으로 개입 ARIMA모형이 계절 ARIMA모형에 비하여 예측력이 더 높은 것으로 나타났다.
This paper presents the use of time series seasonal ARIMA and ARIMA with intervention in forecasting room demand of foreigners. The most suitable forecasting model was investigated. With MAPE as the basis, the seasonal ARIMA and ARIMA with intervention were found to forecast at within 10% error (seasonal ARIMA: 5.84%, ARIMA with intervention: 5.70%). On one side, the ARIMA with intervention uses the March 2003 SARS (severe acute respiratory syndrome) and the December 2003 pathogenic avian influenza of interventions, and the error of forecasting for the time period afterwards, from March 2003 to December 2005, has been found to be lower by a narrow margin as compared to the seasonal ARIMA. In addition, it was founded that the error of the forecasting in the ARIMA with intervention was superior to the seasonal ARIMA for the entire sample analysis of the time period of January 1997 to December 2005. Hence, in this study, ARIMA with intervention was found to have higher accuracy.
키워드열기/닫기 버튼
Room demand forecasting, Time series, Seasonality, Intervention, seasonal ARIMA, ARIMA with intervention
