R의 CAGR 기반 예측

이 게시물에서는 중국 자동차 산업을 위한 OICA 차량 생산 데이터를 사용하여 CAGR 기반 예측의 예를 제공합니다.

CAGR은 복합 평균 성장률입니다.

예를 들어 2000년 생산량이 1,000,000개라면 CAGR = 3%가 예상되면 10년 후 생산량은 다음과 같이 계산되고 예상됩니다.

CAGR 기반 예측은 2단계 워크플로우로 구성됩니다.

과거 데이터에서 CAGR 계산
과거 CAGR을 가정하여 미래 가치 계산

연간 값이 예측되면 CAGR은 연간 과거 값을 기반으로 계산되어야 합니다. 월별 값이 예측되면 CAGR은 월별 과거 값에서 계산되어야 합니다. 등등.

아래에서는 CAGR 방법론을 사용하여 연간 생산되는 대수로 미래의 자동차 생산량을 예측합니다. 저는 OICA 자동차 산업 생산 데이터를 사용하여 과거 연간 CAGR을 계산하고 계산된 CAGR 값을 기반으로 향후 생산 생산량을 예측합니다.

첫 번째 단계는 데이터를 읽는 것입니다. 이 단계에는 필터링도 포함됩니다.

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

다음으로 과거 CAGR을 계산할 수 있습니다. 이 경우 2005년부터 2018년까지:

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

역사적 연간 CAGR 값을 사용하여 2030년에 연간 생산 단위로 측정된 중국 자동차 생산량을 예측합니다.

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

## [1] 119761592

CAGR 기반 예측은 분명히 순진합니다. 이 예측 방법론은 예를 들어 성장이 무제한이라는 가정과 같은 강력한 가정 하에서만 작동합니다. 자동차 생산의 경우에는 이것이 가능하지 않습니다. 따라서 이 예측 방법론은 제한된 시간 범위에만 적용될 수 있습니다. 또한 CAGR 기반 예측에는 약간의 분산 허용 오차가 필요합니다.