Metody exponenciálního vyhlazování s trendem a sezónností

Forecasting v R

Rob J. Hyndman

Professor of Statistics at Monash University

Holt-Wintersova aditivní metoda

Holt-Wintersova aditivní metoda
$\hat{y}_{t+h \mid t} = \ell_t + hb_t + s_{t-m+h_m^+}$
$\ell_t = \alpha(y_t - s_{t-m} )+ (1-\alpha)(\ell_{t-1} + b_{t-1})$
$b_t = \beta^*(\ell_t = \ell_{t-1}) + (1 - \beta^*) b_{t-1}$
$s_t = \gamma(y_t - \ell_{t-1} - b_{t-1}) + (1 - \gamma)s_{t-m}$
  • $s_{t-m+h_m^+}$ = sezónní složka z posledního roku dat

  • Parametry vyhlazování: $0 \leq \alpha \leq 1, \ 0 \leq \beta^* \leq 1, \ 0 \leq \gamma \leq 1 - \alpha$

  • $m$ = perioda sezónnosti (např. $m = 4$ pro čtvrtletní data)

  • Sezónní složka průměruje nulu

Forecasting v R

Holt-Wintersova multiplikativní metoda

Holt-Wintersova multiplikativní metoda
$\hat{y}_{t+h \mid t} = (\ell_t + hb_t)s_{t-m+h_m^+}$
$\ell_t = \alpha(\frac{y_t}{s_{t-m}} )+ (1-\alpha)(\ell_{t-1} + b_{t-1})$
$b_t = \beta^*(\ell_t = \ell_{t-1}) + (1 - \beta^*) b_{t-1}$
$s_t = \gamma\frac{y_t}{\ell_{t-1} - b_{t-1}} + (1 - \gamma)s_{t-m}$

 

  • Sezónní složka průměruje jedničku
Forecasting v R

Příklad: Přenocování návštěvníků

aust <- window(austourists, start = 2005)
fc1  <- hw(aust, seasonal = "additive")
fc2  <- hw(aust, seasonal = "multiplicative")

ch3_vid3_visitor.png

Forecasting v R

Taxonomie metod exponenciálního vyhlazování

Taxonomie metod exponenciálního vyhlazování: složky trendu a sezónnosti

Forecasting v R

Taxonomie metod exponenciálního vyhlazování

Taxonomie metod exponenciálního vyhlazování: složky trendu a sezónnosti   Taxonomie metod exponenciálního vyhlazování: funkce

Forecasting v R

Pojďme procvičovat!

Forecasting v R

Preparing Video For Download...