베이지안 디리클레 ARMA 모델로 보는 숙박업 리드타임 예측

본 논문은 숙박·관광 산업에서 매일 발생하는 수수료가 인식되기까지 일정 기간(리드타임)이 소요되는 현상을 ‘컴포지셔널 시계열’로 정의하고, 이를 효과적으로 모델링·예측하기 위한 새로운 베이지안 프레임워크를 제안한다. 연구 배경으로는 Airbnb에서 5년간 수집한 일일 수수료 데이터를 사용했으며, 각 일자의 수수료가 향후 12개의 월별 구간(각 30일, 마지막 구간은 35일) 중 어느 구간에 인식될지를 비율 형태로 기록한다. 이러한 비율은 0과 1 사이의 값이며 전체 합이 1이므로 단순히 다변량 정규 모델에 적용하기엔 부적합하고, 전통적인 로그 변환 후 정규 가정은 변환 과정에서 정보 손실 및 역변환 복잡성을 초래한다. 이에 저자들은 관측값 yₜ ∈ Δ^{J‑1} (J=12) 를 Dirichlet(ϕₜ μₜ) 로 직접 모델링한다. 여기서 μₜ는 평균 벡터, ϕₜ는 스케일 파라미터이며, μₜ는 알러티브 로그비율(alr) 변환 ηₜ = alr(μₜ) 로 J‑1 차원 실수 공간에 사상된다. ηₜ는 다음과 같은 벡터 ARMA(P, Q) 형태를 가진다. ηₜ = ∑_{p=1}^{P} A_p