层级销量建模—滚动回测择模—预测区间驱动补货法

数据接口、模型回测、预测输出和例外审批均可结构化，且能用基线模型持续验证价值；适合先做只读建议任务。

建立数据校验、序列分类、候选模型回测、补货约束计算和审批单生成五个模块。Agent只输出建议及证据，不自动下采购单；设置数据缺失、异常销量、合规冻结和高金额补货硬拦截。

StatsForecast提供AutoARIMA、ETS、Theta、季节性朴素法等统计模型及交叉验证、预测区间和大规模批量预测能力。可迁移步骤包括建立SKU时间序列、以季节性朴素法为基准、滚动回测比较误差、输出分位数区间；迁移到淘宝和拼多多时需要自行补充平台活动、价格、缺货及取消订单特征。

输出格式：SKU级JSON或表格：模型名称、未来周期P50/P80/P95需求、回测误差、系统偏差、建议补货量、风险标签和人工复核原因。

执行示例：某母婴消耗品具有90周记录。任务剔除7个断货日的零销量污染，以7天季节性朴素法、ETS和AutoARIMA进行8轮滚动回测；ETS的WAPE为18%、偏差为3%，优于基线24%。系统输出未来28天P50需求620件、P80需求710件，结合现货260件、在途120件和21天交期形成330件补货草案，由采购人员复核后执行。