Forecasting the Evolving Composition of Inbound Tourism Demand: A Bayesian Compositional Time Series Approach Using Platform Booking Data
创建于 更新于
摘要
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 [page::0][page::25]
