Modeling time series: the case of the greek new‐car sales sector

Abstract

The purpose of this thesis is to study the time series modeling and make a comparative empirical analysis of the Greek new car-market, report and discuss the research results, and investigate whether time series methods can successfully be applied in marketing data and give reliable forecasts. Although the practice of forecasting marketing data, like sales, is a widely researched area, it hasn't been extensively applied for the Greek new-car sales sector. Therefore, this research is an attempt to report and discuss the new car sales forecasting practices concerning Greek companies in a turbulent economic time interval and a strictly supervised economic environment. The design of this empirical research application reports on sales forecast practices, using monthly data of the Greek new-car sales sector, available from the Association of motor vehicles importers representatives (AMVIR) of Greece. The monthly new car registration number is assumed, to be equal to the monthly new car sales level in the Greek market. The methodology of this applied study uses an in-sample and an out-of-sample time series modeling and forecasting, in a variety of new-car sales firms in the Greek retail market, testing various data sets in a time frame of the last two decades (1998 till 2016). Despite the difficult economic conditions in the Greek market, the researcher develops a comparative study, by modelling various time series and analysing them. Simple time series models are used, like the Mean or Average, the Naive and the Seasonal Naive models, but also some more sophisticated ones, like for example the Linear Models with Seasonal Dummies (LMSD), the Exponential Smoothing state space model (ETS), the Seasonal Autoregressive Integrated Moving Average (SARIMA), and the family of Seasonal Autoregressive Integrated Moving Average-General Autoregressive Conditional Heteroscedastic Model (SARIMA- GARCH). Furthermore, in addition to the original form of the variables and their log transformation, the use of the family of Box-Cox (1964) data transformation is applied in this research, where the transformation parameter lambda is determined by the method of Guerrero (1993). All these alternative approaches improve the quality and performance of the data, which ultimately proves that transforming variables provides a powerful tool for developing models. Lastly, the approach of combined forecast, as a forecasting tool, of various time series forecasting models is reported and discussed. This technique uses information from various individual forecasting methods, assuming either equal weights or optimally weighted forecasts, depending on the limitations, set by each type of combined forecasts studied. The empirical findings of this study gave evidence of an improvement in forecasting and confidence intervals, using the appropriate data transformation process. In addition, there is the prevailing conclusion that it is extremely difficult to find a single model, that can capture and forecast new car sales for all companies and at all times. Each car firm should be treated separately. However, research suggests that data transformation, the use time series models, and the combination of their predictions in the right way, prove to be beneficial in improving the accuracy of predictions for all cases of this research in the Greek car market. The conclusions of this thesis are very interesting cause the research takes place over a difficult time for the Greek economy. During the research period the country signed three (3) Memorandums of Understanding, on specific economic policy conditions, which lead to an economic supervision of the country, by a decision group referred as TROIKA, which was formed by the International Monetary Fund, the European Central Bank and the European Commission. Greek government was forced to implement austerity measures to its citizens, as a consequence of the supervision. Greek consumers, due to economic uncertainty, liquidity shortage, and bank crises, prolonged buying durable goods, like cars, which resulted in a sharp fall of new car sales in the Greek market.Finally, the originality of this research and the added value in economic science is that it is the first time, to my knowledge, that new car sales sector of the Greek market is treated as time series, with an extensive application of time series modeling, for the first two decades of the 21st century. Additionally, this thesis research contributes in depicting the best way for predicting sales, and helps improve the quality and accuracy of sales forecasts, hedge against risk, and reduce failure, for the Greek new-car decisions makers. It also emphasizes the problems, that evolved from the diminishing new car sales, due to the economic crisis in the Greek new car market.

Ο σκοπός της παρούσας διδακτορική διατριβή είναι η πραγματοποίηση μιας ποιοτικής εμπειρικής έρευνας στην ανάλυση και υποδειγματοποίηση χρονολογικών σειρών στην ελληνική αγορά. Η ποσοτική εφαρμοσμένη έρευνα που αναπτύσσεται, αναζητά λύσεις και εξετάζει μεθόδους χρονολογικών σειρών, που μπορούν να εφαρμοστούν με επιτυχία σε δεδομένα μάρκετινγκ και να δώσουν αξιόπιστες προβλέψεις. Παρόλο που η πρακτική της πρόβλεψης δεδομένων μάρκετινγκ, όπως οι πωλήσεις, είναι μια ευρέως μελετημένη περιοχή, δεν έχει εφαρμοστεί εκτενώς στον ελληνικό τομέα πωλήσεων και συγκεκριμένα στον τομέα πωλήσεων αυτοκινήτων. Επομένως, αυτή η διατριβή αποτελεί μια πρωτότυπη προσπάθεια αναφοράς και συζήτησης διαφόρων νέων πρακτικών πρόβλεψης πωλήσεων, και αφορά πωλήσεις αυτοκινήτων στην ελληνική αγορά, ενώ εξετάζει μια ταραχώδη οικονομική χρονική περίοδο για την Ελλάδα, όπου η οικονομική δραστηριότητα ήταν υπό επιτήρηση σε ένα αυστηρά εποπτευόμενο περιβάλλον. Ο σχεδιασμός αυτής της εμπειρικής, ερευνητικής, συγκριτικής μελέτης αφορά σε πρακτικές πρόβλεψης πωλήσεων, με τη χρήση μηνιαίων στοιχείων του ελληνικού τομέα πωλήσεων αυτοκινήτων, που διατίθενται από το Σύνδεσμο Εισαγωγέων Αντιπροσώπων Αυτοκινήτων (ΣΕΑΑ) της Ελλάδας. Ο μηνιαίος αριθμός ταξινόμησης νέων αυτοκινήτων υποθέτουμε ότι ισούται με το μηνιαίο επίπεδο πωλήσεων νέων αυτοκινήτων στην ελληνική αγορά. Συνεπώς με τη χρήση μονομετάβλητων υποδειγμάτων χρονολογικών σειρών γραμμικών και μη γραμμικών, με σταθερή ή κυμαινόμενη διακύμανση γίνεται μια προσπάθεια να μετρηθούν, να αξιολογηθούν και να προβλεφθούν τα επίπεδα πωλήσεων αυτοκινήτων στην Ελλάδα. Αναπτύσσεται για τα δεδομένα μια συγκριτική ανάλυση η οποία επισημαίνει ομοιότητες και διαφορές. Η μεθοδολογία εύρεσης του καλύτερου μοντέλου χρησιμοποιεί μεθόδους υποδειγματοποίησης και πρόβλεψη χρονολογικών σειρών εντός και εκτός δείγματος, οι οποίες εφαρμόζονται εμπειρικά σε μια ποικιλία εταιρειών πωλήσεων νέων αυτοκινήτων στην ελληνική λιανική αγορά, και σε διάφορα υποσύνολα δειγμάτων, κατά το χρονικό διάστημα των δύο τελευταίων δεκαετιών (1998 έως 2016). Γίνεται εμπειρική εφαρμογή σε μια ποικιλία υποδειγμάτων χρονολογικών σειρών ενώ εξετάζονται και τα πλεονεκτήματα του μετασχηματισμού των τιμών των μεταβλητών και της εφαρμογής συνδυασμού των προβλέψεων διαφορετικών υποδειγμάτων. Στην εμπειρική έρευνα χρησιμοποιούνται απλά μοντέλα χρονολογικών σειρών, όπως το μέσο (Mean/Average) το Αφελές (Naive) και το Εποχιακά Αφελές (Seasonal Naive) αλλά και πιο εξελιγμένα, όπως τα Γραμμικά μοντέλα με εποχιακές ψευδομεταβλητές (Linear with Seasonal Dummies LMSD) τα μοντέλα Εκθετικής Εξομάλυνσης χώρου - κατάστασης, (Space Exponential Smoothing state space ETS) το εποχιακό αυτοπαλίνδρομο μοντέλο κινητού μέσου (SARIMA), και το εποχιακό αυτοπαλίνδρομο κινητού μέσου υπό συνθήκη ετεροσκεδαστικό (SARIMA-GARCH) καθώς και διάφοροι συνδυασμοί των προβλέψεων τους. Επιπλέον, διερευνάται η χρήση μετασχηματισμών δεδομένων τύπου Box-Cox, σε μια προσπάθεια βελτίωσης της ποιότητας και της απόδοσης των δεδομένων, καθώς και της προβλεπτικής ικανότητας των υποδειγμάτων, όπου αποδεικνύεται ότι παρέχει ένα ισχυρό εργαλείο για την ανάπτυξη τους. Τέλος, αναφέρεται και μελετάται η αξιοπιστία των προβλέψεων των υποδειγμάτων ενώ εξετάζεται και η προσέγγιση του συνδυασμού προβλέψεων από διάφορα μοντέλα χρονολογικών σειρών. Τα εμπειρικά ευρήματα αυτής της μελέτης έδωσαν ενδείξεις βελτίωσης των προβλέψεων και των διαστημάτων εμπιστοσύνης, με τη χρήση της κατάλληλης διαδικασίας μετασχηματισμού των δεδομένων. Επιπλέον, υπάρχει ένα κυρίαρχο συμπέρασμα ότι δεν είναι δυνατόν να υπάρχει ενιαίο μοντέλο, για όλες τις εταιρείες, που να μπορεί πραγματικά να συλλάβει και να προβλέψει τις νέες πωλήσεις αυτοκινήτων στην ελληνική αγορά. Κάθε εταιρεία πρέπει να αντιμετωπίζεται ξεχωριστά σε συνάρτηση με το χρονικό διάστημα που εξετάζεται κάθε φορά. Παρόλα αυτά, ο μετασχηματισμός δεδομένων και οι μέθοδοι συνδυασμένης πρόβλεψης αποδεικνύονται επωφελείς για τη βελτίωση της ακρίβειας των προβλέψεων για όλες τις περιπτώσεις αυτής της έρευνας. Το ξεχωριστό ενδιαφέρον αυτής της έρευνας είναι οτι πραγματοποιείται σε μια δύσκολη χρονική περίοδο για την ελληνική οικονομία. Κατά τη διάρκεια της ερευνητικής περιόδου, από το έτος 1998 έως τα τέλη του 2016 η Ελλάδα υπέγραψε τρία (3) Μνημόνια Συνεργασίας, με συγκεκριμένους όρους οικονομικής πολιτικής, που οδήγησαν στην οικονομική εποπτεία της χώρας, από την ομάδα αποφάσεων, που αναφέρεται ως ΤΡΟΙΚΑ και αποτελείται από το Διεθνές Νομισματικό Ταμείο (ΔΝΤ), την Ευρωπαϊκή Κεντρική Τράπεζα (ΕΚΤ) και την Ευρωπαϊκή Επιτροπή (ΕΕ). Η ελληνική κυβέρνηση αναγκάστηκε να εφαρμόσει μέτρα λιτότητας, που έπληξαν τους πολίτες και την οικονομική ζωή της χώρας, ως συνέπεια της εποπτείας αυτής. Οι Έλληνες καταναλωτές, λόγω της οικονομικής αβεβαιότητας, της έλλειψης ρευστότητας και της τραπεζικής κρίσης, παρατείνανε την αγορά σε διαρκή καταναλωτικά αγαθά (όπως αυτοκίνητα, έπιπλα κ.τ.λ.) με αποτέλεσμα την απότομη πτώση των νέων πωλήσεων αυτοκινήτων στην ελληνική αγορά. Η πρωτοτυπία αυτής της διατριβής είναι ότι, για πρώτη φορά οι πωλήσεις αυτοκινήτων στον τομέα της ελληνικής αγοράς καινούργιων αυτοκινήτων αντιμετωπίζονται ως χρονολογικές σειρές με δεδομένα πωλήσεων των δυο τελευταίων δεκαετιών για την ελληνική αγορά. Επιπροσθέτως, η μελέτη αυτή αναδεικνύει τα προβλήματα, που δημιουργήθηκαν λόγω της οικονομικής κρίσης στον κλάδο πωλήσεων καινούργιων αυτοκινήτων την Ελλάδα, ενώ ανοίγει νέους ερευνητικούς ορίζοντες σε εφαρμογή οικονομετρικών υποδειγμάτων σε δεδομένα αγοράς στον ελλαδικό χώρο. Εν κατακλείδι, η συμβολή στην επιστήμη αυτής της διατριβής είναι στην καλύτερη κατανόηση της αγοράς αυτοκινήτων στην Ελλάδα κα την μελέτη του καλύτερου τρόπου πρόβλεψης του επιπέδου πωλήσεων και στη βελτίωση της ποιότητας και της ακρίβειας του, ώστε να επιτευχθεί η αντιστάθμιση πιθανού κινδύνου και η μείωση της αποτυχία προβλέψεων, για τις ελληνικές εταιρείες νέων αυτοκινήτων. Οι μετασχηματισμοί των δεδομένων βελτιώνουν τα αποτελέσματα της έρευνας ενώ δεν υπάρχει ένα κοινό μοντέλο ως το καλύτερο για όλες τις χρονολογικές σειρές και για όλα τα χρονικά διαστήματα.