Holt Winter 指數平滑模型


1 指數平滑法

移動平均模型在解決時間序列問題上簡單有效,但它們的計算比較難,因為不能通過之前的計算結果推算出加權移動平均值。此外,移動平均法不能很好的處理數據集邊緣的數據變化,也不能應用於現有數據集的范圍之外。因此,移動平均法的預測效果相對較差。

指數平滑法(exponential smoothing)是一種簡單的計算方案,可以有效的避免上述問題。按照模型參數的不同,指數平滑的形式可以分為一次指數平滑法、二次指數平滑法、三次指數平滑法。其中一次指數平滑法針對沒有趨勢和季節性的序列,二次指數平滑法針對有趨勢但是沒有季節特性的時間序列,三次指數平滑法則可以預測具有趨勢和季節性的時間序列。術語“Holt-Winter”指的是三次指數平滑。


2 Holt-Winter分類

Holt-Winter指數平滑法按照季節性分量的計算方式不同,可以分為累加式季節性分量和累乘式季節性分量。兩種不同的分量對應的時間序列計算等式和預測公式均不同,稍后我們會詳細介紹。


3 一次指數平滑法

指數平滑法是一種結合當前信息和過去信息的方法,新舊信息的權重由一個可調整的參數控制,各種變形的區別之處在於其“混合”的過去信息量的多少和參數的個數。

常見的有單指數平滑、雙指數平滑。它們都只有一個加權因子,但是雙指數平滑使用相同的參數將但指數平滑進行兩次,適用於有線性趨勢的序列。單指數平滑實質上就是自適應預期模型,適用於序列值在一個常數均值上下隨機波動的情況,無趨勢及季節要素的情況,單指數平滑的預測對所有未來的觀測值都是常數。

一次指數平滑的遞推關系公式:

 
 

其中,s_i是第i步經過平滑的值,x_i是這個時間的實際數據。alpha是加權因子,取值范圍為[0,1],它控制着新舊信息之間的權重平衡。當alpha接近1時,我們就只保留當前數據點(即完全沒有對序列做平滑操作),當alpha接近0時,我們只保留前面的平滑值,整個曲線是一條水平的直線。在該方法中,越早的平滑值作用越小,從這個角度看,指數平滑法像擁有無限記憶且權值呈指數級遞減的移動平均法。 

一次指數平滑法的預測公式為:

 

 
 

因此,一次指數平滑法得到的預測結果在任何時候都是一條直線。並不適合於具有總體趨勢的時間序列,如果用來處理有總體趨勢的序列,平滑值將滯后於原始數據,除非alpha的值非常接近1,但這樣使得序列不夠平滑。


4 二次指數平滑法

二次指數平滑法保留了平滑信息和趨勢信息,使得模型可以預測具有趨勢的時間序列。二次指數平滑法有兩個等式和兩個參數:

 

 
 

t_i代表平滑后的趨勢,當前趨勢的未平滑值是當前平滑值s_i和上一個平滑值s_{i-1}的差。s_i為當前平滑值,是在一次指數平滑基礎上加入了上一步的趨勢信息t_{i-1}。利用這種方法做預測,就取最后的平滑值,然后每增加一個時間步長,就在該平滑值上增加一個t_{i}:

 

 
 

在計算的形式上這種方法與三次指數平滑法類似,因此,二次指數平滑法也被稱為無季節性的Holt-Winter平滑法。


5 Holt-Winter指數平滑法

三次指數平滑法相比二次指數平滑,增加了第三個量來描述季節性。累加式季節性對應的等式為:

 
 

累乘式季節性對應的等式為:

 
 

其中p_i為周期性的分量,代表周期的長度。x_{i+h}為模型預測的等式。

 

 

參考文獻:

[1] 時間序列挖掘-預測算法-三次指數平滑法(Holt-Winters). http://www.dataguru.cn/article-3235-1.html.

[2] R語言與數據分析之九:時間內序列--HoltWinters指數平滑法. http://blog.csdn.net/howardge/article/details/42076781.

[3] Holt-Winters原理和初始值的確定. http://www.cnblogs.com/xuanlvshu/p/5451974.html.



作者:風逝流沙
鏈接:https://www.jianshu.com/p/6fb0408b3f54
來源:簡書
簡書著作權歸作者所有,任何形式的轉載都請聯系作者獲得授權並注明出處。


免責聲明!

本站轉載的文章為個人學習借鑒使用,本站對版權不負任何法律責任。如果侵犯了您的隱私權益,請聯系本站郵箱yoyou2525@163.com刪除。



 
粵ICP備18138465號   © 2018-2025 CODEPRJ.COM