Muchas técnicas de pronóstico se han aplicado a las previsiones de ventas en la industria minorista. Sin embargo, ningún modelo de predicción es aplicable a todos los casos. Para el pronóstico de la demanda del mismo artículo, los diferentes resultados de los modelos de predicción a menudo confunden a los minoristas. Para las grandes empresas minoristas con una amplia variedad de productos, es difícil encontrar un modelo de predicción adecuado para cada artículo. Este estudio tiene como objetivo proponer un enfoque de selección de modelos dinámicos que combine la selección individual y las previsiones de combinación basadas tanto en los patrones de demanda como en el rendimiento fuera de la muestra para cada artículo. En primer lugar, basándonos en las métricas del coeficiente de variación al cuadrado (CV) y el intervalo medio entre demandas (ADI), dividimos los patrones de demanda de los artículos en cuatro tipos: suave, intermitente, errático y abultado. En segundo lugar, seleccionamos nueve métodos clásicos de pronóstico en las Competencias M para construir un conjunto de modelos. En tercer lugar, diseñamos dos estrategias de ponderación dinámica para determinar la predicción final, a saber, DWS-A y DWS-B. Finalmente, verificamos la efectividad de este enfoque utilizando dos grandes conjuntos de datos de un minorista offline y un minorista en línea en China. Los resultados empíricos muestran que estas dos estrategias pueden mejorar efectivamente la precisión del pronóstico de la demanda. El método DWS-A es adecuado para artículos con patrones de demanda intermitentes y abultados, mientras que el método DWS-B es adecuado para artículos con patrones de demanda suaves y erráticos.