Какие хорошие методы прогнозирования будущих доходов на основе категориальных и значения данных?

У меня есть ежемесячные снимки (3 года) всех данных контрактов. Они включают следующую информацию:

• Статус контракта [Категориальный]: Предложен, отслеживается, отправлен, выигран, проигран и т.д.
• Этапы контракта [Категориальный]: Поиск, вовлеченность, отслеживание, отправлено и т.д.
• Продолжительность контракта [Дата/Время]: месяцы и годы
• Дата начала тендера [Дата/Время]: Дата (Но это меняется, когда контракты задерживаются)
• Стоимость контракта [Числовой]: Стоимость контракта в местной валюте
• Прогнозирование будущих доходов [Числовой]: Разбивка стоимости валюты дохода на следующие 5 лет (это значение доступно для всех контрактов, независимо от того, выиграны или проиграны)

У меня также есть другая информация о контрактах, такая как идентификатор, название, описание и т.д.

Ответы, которые я пытаюсь получить:

• Общая стоимость контрактов, которые меняют статус из месяца в месяц
• Общая стоимость контрактов, которые меняют этапы из месяца в месяц
• Средняя задержка даты начала контрактов
• Прогнозирование будущих доходов (5 лет) на основе изменения статуса и средней задержки

Проблемы, с которыми я сталкиваюсь с этими данными:

• Это не временной ряд, это ежемесячный снимок, поэтому я могу либо преобразовать его в ежемесячный временной ряд и накапливать доходы на основе каждого статуса и этапов, либо считать общее количество всех контрактов.

• Должен ли я накапливать данные по контрактам или оставить их в виде отдельных контрактов? В последнем случае, как мне передать это в любую модель? Тогда это не будет временным рядом.

Основная проблема с поиском правильного подхода:

• Я не уверен, какие подходы использовать для ответа на очень разные вопросы. Некоторые значения являются категориальными, а некоторые числовыми. Я не уверен, является ли это проблемой прогнозирования или проблемой предсказания ‘изменения события’. Или смесь обоих?

• Как мне совместить эти очень разные категориальные переменные с числовым значением дохода в любую модель.

Методы, которые я изучал:

• Я читал о моделях прогнозирования, таких как ARIMA (в основном данные о продажах). Она использует временные ряды для прогнозирования доходов на основе исторических данных. Я не уверен, является ли это действительным в данном случае, потому что у меня есть контракты, которые меняют статус, и я не уверен, как использовать это в модели ARIMA. Или нужно ли это делать. Я также не уверен, есть ли у данных сезонность. Выигрыш или проигрыш контрактов не является сезонным событием.

• Я также изучал примеры простого экспоненциального сглаживания (SES) и экспоненциального сглаживания Хольта-Уинтерса (HWES) и нашел ту же проблему при расчете средних задержек или прогнозировании будущего дохода. Текущие данные не являются унивариантными.

• Я посмотрел на следующие ответы: https://stats.stackexchange.com/questions/246151/difference-between-time-series-prediction-vs-point-process-prediction и это заставило меня думать, что, возможно, моя проблема не относится к предсказанию временных рядов.

• Лучший подход к прогнозированию числового значения на основе временных рядов и категориальных данных?: Это заставило меня подумать, что, возможно, мне стоит рассмотреть RNN и LSTM.

• Как предсказать непрерывную переменную, когда все ваши независимые переменные категориальны: Или моя проблема похожа на эту.

Извините за длинный пост. Я пытаюсь сделать проблему как можно более ясной. У меня нет идеи, какой будет лучший подход к решению этой проблемы и какие данные подать в модель. Я также потерян в том, как структурировать данные, чтобы максимально эффективно использовать все переменные.

Я был бы благодарен, если вы сможете помочь мне предложить какие-либо хорошие методы или учебные ресурсы, чтобы я мог ответить на вопросы. Спасибо за ваше время!

Если вы хотите использовать нейронные сети, этот пост на Kaggle может помочь: https://www.kaggle.com/c/m5-forecasting-accuracy/discussion/159052

В нем представлен короткий список ресурсов для категориальных вложений и LSTM (как мне кажется).

Если вы думаете, что ваш набор данных имеет периодические закономерности, и вам нужно лишь ответить на ваши вопросы (не запускать модель). Я бы посмотрел на FB Prophet: https://facebook.github.io/prophet/docs/quick_start.html#python-api

Он извлекает периодические компоненты и подгоняет их с помощью синусоидальных и косинусоидальных волн. Вы также можете добавить дополнительные регрессоры, т.е. переменные с одним кодом.

Для прогнозирования временных рядов на основе как числовых, так и категориальных данных, Light GBM доказал свою ценность в конкурсах Kaggle. Победители как конкурса M5, так и конкурса по прогнозированию продаж продуктового магазина Corporación Favorita использовали Light GBM.