分层时间序列预测是一种用于预测以分层方式构造的数据集中的未来值的方法。这意味着数据可以按多个级别或类别进行组织，其中每个级别表示数据的不同聚合。例如，一家公司可能具有按地区、国家、然后按这些地区内的各个商店组织的销售数据。此层次结构中的每个级别都可以提供不同级别的见解，从而实现更精细的预测，同时还可以跨所有级别进行更广泛的趋势分析。
在顶层，您可以预测整个公司在特定期间的总销售额。向下移动层次结构，您可以将其进一步分解为每个地区的预测，然后进一步分解为这些地区内每个国家的预测。预测在多个层面上是有用的: 区域经理可能需要知道他们所在地区的总销售额，而商店经理可能对专门针对他们所在地区的销售额进行预测感兴趣。这种层次结构使利益相关者可以在较高的级别和更详细的级别上了解绩效。
分层时间序列预测的另一个重要方面是，它经常使用聚合规则来组合来自不同级别的见解。例如，理想情况下，公司的总销售额预测应与所有单个商店生成的预测之和相匹配。自下而上、自上而下和中间方法等技术是用于在不同层次结构级别上实现这种一致性的常用方法。通过有效地应用这些原则，企业可以提高其预测准确性，并基于对其数据结构的全面理解做出更明智的决策。