prezentacija

pres.org

FDA taikymo galimybės Vinted platformoje

Apie mane

Apie mane

• Baigiau magistrantūra 2009.
• Darbo tema “Nestabilumo modeliavimas finansų rinkose”, vadovas prof. A. Račkauskas.
• 4 metai analizavau akcijas mažam norvegų investiciniam banke.
• 1 metai konstravau bankroto tikimybės modelius DNB klientam.
• Nuo 2013 metų pabaigos dirbu Vinted.
• 2013 įstojau į doktorantūrą pas prof. A Račkauską.

Vinted

Vinted portalas

Misija

img/vinted.pdf

“Make second hand the first choice worldwide”

Ką veikia Vinted

• Orientuota išimtinai į merginas.
• El. platforma kur galima keistis, parduoti drabužius.
• > 2 mln. aktyvių narių.
• Veikla 7 šalyse, įskaitant USA.
• Šiuo metu rinkoje yra ~21 mln. rūbų.
• Apie 30 000 sandorių per dieną.

Duomenų surinkimas

Duomenys

• Iki 19 mlrd. įvykių per mėnesį.
• Iki 700 mln. įvykių per dieną.
• Įvykiai papildomi duomenimis iš
  • aplikacijos duomenų bazių (pvz. tranzakcijų duomenys);
  • trečių šalių duomenimis (Facebook ads api, Zendesk api, adjust.io ir t.t.);
  • importuojamais duomenimis iš csv failų.

Įvykių pavyzdžiai

• user.open.app
• user.view.screen
• user.favorite.item
• user.follow.brand
• user.follow.user
• list.show.item
• user.filter.items
• user.start.conversation
• sharing.item.share
• seller.make.offer
• buyer.buy
• …

Duomenų apdorojimas

Klasteris

• 38 serverių klasteris, atviro kodo programos pritaikytos paskirstytiems skaičiavimams
• Dažniausiai duomenys agreguojami iki lengviau apdorojamo kiekio (mln. eilučių vietoj mlrd.)
• Šiuo metu naudojami:
  • naujo aplikacijos funkcionalumo testavimui (A/B testai);
  • verslo ataskaitų generavimui;
  • add hoc verslo klausimų atsakymui.

Įrankiai

<img src=”file:img/scalding.png ” alt=”file:img/scalding.png ” />

file:img/hive.png

Vinted populiacija

Aktualūs klausimai

• Tikslas turėti didelę aktyvių narių populiaciją.
• Kaip padidinti gimstamumą, minimizuoti mirtingumo lygi (migraciją).
• Stebėti ar nauji nariai geresni/blogesni už senus.
• Stebėti ar visi nariai nepablogėjo/nepagerėjo.

Gimstamumas

• 2 naujų narių šaltiniai: marketingas ir viruliškumas.

Mirtingumas

R.J Hyndman išgyvenamumo modelis

Tikslas

• Tikslas panaudoti FDA ir laiko eilučių modelius prognozuojant mirtingumą, gimstamumą, migraciją ir juos apjungti į bendrą populiacijos modelį.

Metodo apžvalga

• Tegu \(y_t(x)\) yra empirinio gimstamumo ar mirtingumo lygio logaritmas amžiui \(x\), laiko momentu \(t\).
• Tariame kad egzistuoja glodi funkcija \(f_t(x)\) kuria stebime diskrečiuose taškuose \(x\).
• Tada mūsų stebėjimai yra \({x_i, y_t(x_i)}, t = 1, …, n, i = 1,…,p\) kur

\[y_t(x_i) = f_t(x_i) + σ_t(x_i)ε_t,i, \tag{1}\] \(ε_t,i\) yra nepriklausomi \(∼ N(0,1)\), \(σ_t(x_i)\) leidžia variacijai priklausyti nuo laiko \(t\) ir amžiaus \(x_i\).

Metodo apžvalga (tęsinys)

1. Randame \(f_t(x), ∀ t\, x_i\) naudodami neparametrinius suglodinimo metodus.
2. Išskaidome gautas kreives bazinėmis funkcijomis naudojant sekanti modelį: \[f_t(x) = μ(x) + ∑_k=1^K β_t,k φ_k(x) + e_t(x), \tag{2}\] kur \(\u(x)\) yra \(f_t(x)\) vidurkis per metus, \({φ_k(x)}\) yra ortogonalios basinės funkcijos randamos principinių komponenčių metodu, \(e_t(x) ∼ N(0, v(x))\).

Metodo apžvalga (tęsinys)

1. [@3] Laiko eilučių modeliu įvertiname \({β_t,k}, k=1,…,K\).
2. Prognozuojame koeficientus \({β_t,k}, k=1,…,K\) norimam periodų kiekiui į ateitį.
3. Naudodami prognozes kartu su (2) gauname prognozes \(f_t(x)\) ir \(y_t(x)\).
4. Klaidų variacijos įverčiai iš (1) ir (2) naudojami surandant prognozės pasikliautinuosius intervalus.

R.J Hyndman gautų rezultatų apžvalga

R.J Hyndman prezentacija

Modelio taikymas mirtingumo prognozavimui

Mirtingumo funkcijos

img/logmortality.pdf

Suglodintos mirtingumo funkcijos

img/logmortalitysm.pdf

Funkcijų komponentės

img/components.pdf

Mirtingumo funkcijos prognozė

img/forecast.pdf

Paklaidos

img/residuals.pdf

Problema

Nariai prisikelia iš numirusių

• Reikia atsižvelgti ir į tai kad narys gali sugrįžti po ilgo periodo neaktyvumo.