Odcinek
Robets: Prognozowanie z niezawodnym wygładzeniem wykładniczym z trendem i sezonowością
with Ruben Crevits
useR!2017: Robets: Prognozowanie z niezawodnym wykładnikiem...
Słowa kluczowe: Szereg czasowy, Prognozowanie, Niezawodne statystyki, Smoothing wykładniczy
Strony internetowe: https://CRAN.R-project.org/package=robets,https://rcrevits.wordpress.com/
Proste metody prognozowania, takie jak płynne wykładniczo, są bardzo popularne w analizie biznesowej. Wynika to nie tylko z ich prostoty, ale także dlatego, że działają bardzo dobrze, w szczególności w przypadku krótszych szeregów czasowych. Uwzględnienie trendu i sezonowości w metodzie wygładzania wykładniczego jest standardem. Wiele serii czasu rzeczywistego pokazuje sezonowe wzorce, które powinny być wykorzystywane do celów prognozowania. Uwzględnienie trendu lub nie może być mniej jasne. Na przykład tygodniowa sprzedaż (w jednostkach) może wskazywać rosnącą tendencję, ale sprzedaż nie wzrośnie do nieskończoności. W tym miejscu model trendu tłumionego daje wynik. Tłumione trendy wykładnicze smoothing daje doskonałe wyniki w konkursach prognozowania.
W wysoko cytowanym dokumencie Hyndman i Khandakar (2008) opracowali automatyczną metodę prognozowania przy użyciu wygładzanie wykładniczego, dostępnego jako prognoza pakietu R. Proponujemy szaty pakietów, bardziej niezawodną alternatywę dla ets funkcji w pakiecie prognozy. Dla każdej metody klasy wariantów wygładzenia wykładniczego wprowadziliśmy niezawodną alternatywę. Klasa zawiera metody z tłumionym trendem i/lub składnikami sezonowymi. Niezawodna metoda jest opracowywana przez niezawodny każdy aspekt oryginalnego wariantu wygładzania wykładniczego. Udostępniamy niezawodne równania prognozowania, niezawodne wartości początkowe, niezawodne szacowanie parametrów wygładzenia i niezawodne kryterium informacyjne. Metoda jest rozszerzeniem Gelper, Fried i Croux (2010) i została opisana bardziej szczegółowo w Crevits i Croux (2016).
Kod opracowanego pakietu języka R jest oparty na funkcji ets pakietu prognozy . Typowe funkcje wizualizowania modeli i prognoz działają również dla obiektów szat. Ponadto istnieje wykres funkcjiOutliers, który wyróżnia wartości odstające w szeregach czasowych.
Odwołania do Crevits, Ruben i Christophe Croux. 2016 "Prognozowanie z niezawodnym wygładzeniem wykładniczym z tłumionym trendem i składnikami sezonowymi". Papier roboczy.
Gelper, S, R Fried i C Croux. 2010. "Niezawodne prognozowanie z exponential i Holt-Winters Smoothing." Dziennik prognozowania 29: 285–300.
Hyndman, R J i Y Khandakar. 2008. "Automatyczne prognozowanie szeregów czasowych: pakiet prognozy dla języka R". Journal of Statistical Software 27 (3).
useR!2017: Robets: Prognozowanie z niezawodnym wykładnikiem...
Słowa kluczowe: Szereg czasowy, Prognozowanie, Niezawodne statystyki, Smoothing wykładniczy
Strony internetowe: https://CRAN.R-project.org/package=robets,https://rcrevits.wordpress.com/
Proste metody prognozowania, takie jak płynne wykładniczo, są bardzo popularne w analizie biznesowej. Wynika to nie tylko z ich prostoty, ale także dlatego, że działają bardzo dobrze, w szczególności w przypadku krótszych szeregów czasowych. Uwzględnienie trendu i sezonowości w metodzie wygładzania wykładniczego jest standardem. Wiele serii czasu rzeczywistego pokazuje sezonowe wzorce, które powinny być wykorzystywane do celów prognozowania. Uwzględnienie trendu lub nie może być mniej jasne. Na przykład tygodniowa sprzedaż (w jednostkach) może wskazywać rosnącą tendencję, ale sprzedaż nie wzrośnie do nieskończoności. W tym miejscu model trendu tłumionego daje wynik. Tłumione trendy wykładnicze smoothing daje doskonałe wyniki w konkursach prognozowania.
W wysoko cytowanym dokumencie Hyndman i Khandakar (2008) opracowali automatyczną metodę prognozowania przy użyciu wygładzanie wykładniczego, dostępnego jako prognoza pakietu R. Proponujemy szaty pakietów, bardziej niezawodną alternatywę dla ets funkcji w pakiecie prognozy. Dla każdej metody klasy wariantów wygładzenia wykładniczego wprowadziliśmy niezawodną alternatywę. Klasa zawiera metody z tłumionym trendem i/lub składnikami sezonowymi. Niezawodna metoda jest opracowywana przez niezawodny każdy aspekt oryginalnego wariantu wygładzania wykładniczego. Udostępniamy niezawodne równania prognozowania, niezawodne wartości początkowe, niezawodne szacowanie parametrów wygładzenia i niezawodne kryterium informacyjne. Metoda jest rozszerzeniem Gelper, Fried i Croux (2010) i została opisana bardziej szczegółowo w Crevits i Croux (2016).
Kod opracowanego pakietu języka R jest oparty na funkcji ets pakietu prognozy . Typowe funkcje wizualizowania modeli i prognoz działają również dla obiektów szat. Ponadto istnieje wykres funkcjiOutliers, który wyróżnia wartości odstające w szeregach czasowych.
Odwołania do Crevits, Ruben i Christophe Croux. 2016 "Prognozowanie z niezawodnym wygładzeniem wykładniczym z tłumionym trendem i składnikami sezonowymi". Papier roboczy.
Gelper, S, R Fried i C Croux. 2010. "Niezawodne prognozowanie z exponential i Holt-Winters Smoothing." Dziennik prognozowania 29: 285–300.
Hyndman, R J i Y Khandakar. 2008. "Automatyczne prognozowanie szeregów czasowych: pakiet prognozy dla języka R". Journal of Statistical Software 27 (3).
Chcesz przesłać opinię? Prześlij problem tutaj.