본 논문은 역동적이고 경쟁적인 비즈니스 환경에서의 재고 관리에 있어 수요 예측의 중요성을 강조하며, 기존의 MAE나 RMSE와 같은 단일 평가 지표의 한계를 극복하기 위해 계층적이고 동적인 프레임워크에 적응적 페널티를 추가한 새로운 평가 함수인 HEF(Hierarchical Evaluation Function)를 제안합니다. HEF는 R2, MAE, RMSE를 통합하여 사용하며, Grid Search, Particle Swarm Optimization (PSO), Optuna 등의 최적화 기법을 활용하여 다양한 예측 모델의 성능을 Walmart, M3, M4, M5 데이터셋을 통해 평가합니다. 실험 결과, HEF는 기존 MAE 기반 평가보다 R2, Global Relative Precision, RMSE, RMSSE 등의 지표에서 우수한 성능을 보이며, 특히 극단적인 오차에 대한 안정성과 설명력을 향상시키는 것으로 나타났습니다. 다만, MAE는 단순성과 계산 효율성 측면에서 장점을 유지합니다. 따라서 HEF는 변동성이 큰 환경에서 모델 선택 및 하이퍼파라미터 최적화를 위한 강력하고 적응적인 대안으로 제시됩니다.
