Co je exponenciální vyhlazování a Holt-Winters?

Exponenciální vyhlazování (экспоненциальное сглаживание) je metoda předpovědi časových řad, která přiděluje větší váhu novějším pozorováním a exponenciálně snižuje váhu starším datům. To umožňuje rychle reagovat na změny v datech a vyhladit šum.

Nejjednodušší formou je jednoduché exponenciální vyhlazování, kde se předpověď na další období počítá jako vážený součet aktuálního pozorování a předchozí předpovědi.

Holt-Winters je rozšíření exponenciálního vyhlazování, které zohledňuje trend a sezónnost v datech. Existují dvě verze:

• Aditivní (pro sezónnost s konstantní amplitudou)
• Množinová (pro sezónnost s proměnlivou amplitudou)

Holt-Winters používá tři složky:

• Úroveň (úroveň řady)
• Trend (směr změny)
• Sezónnost (opakující se cykly)

To umožňuje přesnější předpovědi pro časové řady s sezónními výkyvy.

Příklad vzorců pro Holt-Winters aditivní:

• Úroveň: L_t = α (Y_t - S_{t-m}) + (1 - α)(L_{t-1} + T_{t-1})
• Trend: T_t = β (L_t - L_{t-1}) + (1 - β) T_{t-1}
• Sezónnost: S_t = γ (Y_t - L_t) + (1 - γ) S_{t-m}
• Předpověď: F_{t+k} = L_t + k T_t + S_{t-m+k}

Kde α, β, γ jsou parametry vyhlazování, m je délka sezónního cyklu.

Toto umožňuje, aby exponenciální vyhlazování bylo základní metodou, a Holt-Winters je jeho rozšířením pro zohlednění trendu a sezónnosti.