CAGR-baseret prognose i R

I dette indlæg giver jeg et eksempel på CAGR-baseret prognose ved hjælp af OICA-bilproduktionsdata for kinesisk bilindustri.

CAGR er den sammensatte gennemsnitlige vækstrate.

Hvis f.eks. produktionsoutput i år 2000 er 1.000.000 enheder, så, hvis CAGR = 3% forventes, ville produktionsoutput efter 10 år blive beregnet og forventet at være:

CAGR-baseret prognose består af en to-trins arbejdsgang:

  1. beregne CAGR ud fra historiske data
  2. beregne fremtidige værdier under forudsætning af historisk CAGR

Hvis årlige værdier forudsiges, skal CAGR beregnes baseret på årlige historiske værdier. Hvis månedlige værdier forudsiges, skal CAGR beregnes ud fra månedlige historiske værdier. Og så videre.

Nedenfor bruger jeg CAGR-metodologi til at forudsige fremtidig produktion af bilproduktion i antal producerede enheder årligt. Jeg bruger OICA bilindustriens produktionsdata til at beregne historisk årlig CAGR og til at forudsige fremtidig produktionsoutput baseret på den beregnede CAGR-værdi.

Første skridt er at læse dataene ind. Dette trin omfatter også filtrering.

library(readxl)
library(dplyr)

data_df = as.data.frame(read_xls("oica.xls"))

data_df = dplyr::filter(data_df,year>=2005,country=="China")

head(data_df)
##   year country    total
## 1 2018   China 27809196
## 2 2017   China 29015434
## 3 2016   China 28118794
## 4 2015   China 24503326
## 5 2014   China 23731600
## 6 2013   China 22116825
tail(data_df)
##    year country    total
## 9  2010   China 18264761
## 10 2009   China 13790994
## 11 2008   China  9299180
## 12 2007   China  8882456
## 13 2006   China  7188708
## 14 2005   China  5717619

Dernæst kan den historiske CAGR beregnes. I dette tilfælde for årene 2005 til 2018:

cagr = (data_df$total[1]/data_df$total[length(data_df$total)])^(1/(length(data_df$total)-1)) - 1

Ved at bruge den historiske årlige CAGR-værdi forudsiger jeg produktion af kinesisk bilproduktion målt i enheder produceret årligt for 2030:

data_df$total[1]*(1+cagr)^(2030-2018)
## [1] 119761592

CAGR-baseret prognose er klart naiv. Denne prognosemetode fungerer kun under stærke antagelser, som fx antagelsen om, at væksten er ubegrænset. I tilfælde af produktion af biler er dette ikke muligt. Derfor kan denne prognosemetode kun anvendes i en begrænset tidshorisont. Desuden kræver CAGR-baseret prognose en vis varianstolerance.

You May Also Like

Leave a Reply

Leave a Reply

Din e-mailadresse vil ikke blive publiceret. Krævede felter er markeret med *

This site uses Akismet to reduce spam. Learn how your comment data is processed.