Czym jest wygładzanie wykładnicze i Holt-Winters?

Wygładzanie wykładnicze (экспоненциальное сглаживание) to metoda prognozowania szeregów czasowych, która przypisuje większą wagę nowszym obserwacjom i wykładniczo zmniejsza wagę starszych danych. Pozwala to na szybkie reagowanie na zmiany w danych, wygładzając szum.

Najprostsza forma to pojedyncze wygładzanie wykładnicze, gdzie prognoza na następny okres jest obliczana jako ważona suma bieżącej obserwacji i poprzedniej prognozy.

Holt-Winters to rozszerzenie wygładzania wykładniczego, które uwzględnia trend i sezonowość danych. Istnieją dwie wersje:

• Addytywna (dla sezonowości o stałej amplitudzie)
• Mnożnikowa (dla sezonowości o zmiennej amplitudzie)

Holt-Winters używa trzech składników:

• Poziom (poziom szeregu)
• Trend (kierunek zmiany)
• Sezonowość (powtarzające się cykle)

Pozwala to na dokładniejsze prognozy dla szeregów czasowych z sezonowymi wahanami.

Przykład formuł dla Holt-Winters addytywnego:

• Poziom: 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}
• Sezonowość: S_t = γ (Y_t - L_t) + (1 - γ) S_{t-m}
• Prognoza: F_{t+k} = L_t + k T_t + S_{t-m+k}

Gdzie α, β, γ to parametry wygładzania, m to długość cyklu sezonowego.

W ten sposób, wygładzanie wykładnicze jest metodą podstawową, a Holt-Winters jest jego rozszerzeniem uwzględniającym trend i sezonowość.