Холт-Винтерс: прогноз с трендом и сезонностью, ошибка на отложенных периодах
По ряду продаж за периоды строит прогноз с уровнем, трендом и сезонными индексами (аддитивная или мультипликативная модель), подбирает параметры сглаживания, проверяет точность на последних отложенных периодах (WAPE, смещение, сравнение с наивным сезонным прогнозом) и показывает приблизительный интервал.
Коротко
- Какой вопрос решает расчёт?
- Какими будут продажи в ближайшие периоды, если повторится сезонный круг и сохранится тренд, и лучше ли модель простого «как в прошлом сезоне».
- Какие данные нужны?
- Ряд продаж за периоды по порядку, не меньше двух полных сезонов.
- Как читать результат?
- Пример на значениях по умолчанию (36 месяцев): прогноз на 12 периодов 17 919 шт., ближайший месяц 1 203. На отложенных 6 месяцах WAPE 2,2 % против 10,2 % у наивного сезонного прогноза; тренд 11,6 за период. Пример на значениях по умолчанию: Прогноз на 12 периодов, сумма: 17 919; Прогноз на ближайший период: 1 203; WAPE на отложенных периодах: 2,2 %; Смещение на отложенных периодах: −0,2 %. Цифры условные: введите свои, чтобы увидеть свой результат.
Зачем и как рассуждать
Ряд продаж состоит из трёх частей: уровня (где мы сейчас), тренда (куда идём) и сезонности (как месяц влияет на продажи). Метод Холта-Винтерса отслеживает все три и обновляет их с каждым новым периодом, придавая больше веса недавним данным. Уровень обновляется как α × (факт ÷ индекс) + (1 − α) × (уровень + тренд), тренд как β × (изменение уровня) + (1 − β) × прежний тренд, сезонный индекс как γ × (факт ÷ уровень) + (1 − γ) × прежний. Прогноз на h периодов вперёд равен (уровень + h × тренд) × индекс периода. Расчёт подбирает параметры сам (α 5 %, β 1 %, γ 50 %) и проверяет точность на отложенных периодах: WAPE 2,2 % против 10,2 % у наивного сезонного прогноза «как в прошлом году». Уровень в конце ряда 1 420, тренд 11,6 за период, размах сезона 1,73.
Когда применять
Он нужен для рядов с ясной сезонностью и без резких разрывов: товарные группы, базовый ассортимент, трафик магазинов, где есть хотя бы два полных сезона. Не применяйте к рядам короче двух сезонов, с редкими продажами и после радикальных событий (закрытие, смена ассортимента). Допущения: сезонность повторяется, тренд меняется плавно, данные очищены от дефицита и акций.
Как читать результат
Главное число: ошибка на отложенных периодах (WAPE 2,2 %) и выигрыш против наивного прогноза (8 пунктов). Если выигрыша нет, сложная модель не нужна, берите наивный. Смещение (минус 0,16 %) показывает, что модель не завышает и не занижает системно. Параметры при подборе: низкий α и β значат, что ряд устойчив, а высокий γ говорит об изменяющейся сезонности. Сезонный размах 1,73 это сила сезонности: она подсказывает, насколько заказ должен расти к пику. Приблизительный интервал показывает, что прогноз не точка. Стоит проверить прогноз глазом на графике и сверьте с планом продаж.
Типичные ошибки
Подавать ряд с пропусками и дефицитом (модель заучит дефицит как сезон), брать длину сезона не по периоду данных, подбирать параметры на всех данных без отложенных периодов, верить интервалу как гарантии. Добавьте известные события (акция, сдвиг сезона) отдельно, модель о них не знает.
Какие данные нужны?
- Ряд продаж за периоды по порядку, не меньше двух полных сезонов.
- Длина сезона и тип сезонности: в моде обычно мультипликативный.
- Сколько последних периодов отложить для проверки точности.
Какие поля вводятся
| Поле | Единица | Значение в примере | Что означает |
|---|---|---|---|
| Длина сезона | периодов | 12 | Сколько периодов в одном сезонном круге: 12 для месяцев, 52 для недель, 4 для кварталов. Нужно не меньше двух полных сезонов данных. Для обуви, аксессуаров и детского значения свои: берите данные категории. |
| Тип сезонности | Мультипликативная: сезон растёт вместе с продажами | В моде сезонность обычно пропорциональна уровню продаж, поэтому берут мультипликативную; аддитивная подходит, когда размах сезона не зависит от уровня. Мультипликативной нужны продажи больше нуля в каждом периоде. | |
| Параметры сглаживания | Подобрать по сетке | Подбор перебирает сетку значений и берёт те, при которых сумма квадратов одношаговых ошибок на ряду наименьшая; результат воспроизводим. Своё значение выбирайте, если знаете, как быстро меняется спрос. | |
| Сглаживание уровня (α) | % | 30 | Чем выше, тем быстрее уровень следует за последними продажами. Используется, если параметры заданы вручную. Значение примера условное. |
| Сглаживание тренда (β) | % | 10 | Чем выше, тем быстрее меняется оценка тренда; тренд обычно меняют медленно. Используется при ручных параметрах. Значение примера условное. |
| Сглаживание сезона (γ) | % | 30 | Чем выше, тем быстрее обновляются сезонные индексы. Используется при ручных параметрах. Значение примера условное. |
| Горизонт прогноза | периодов | 12 | На сколько периодов вперёд считать прогноз. Чем дальше, тем шире интервал. |
| Отложить последних периодов для проверки | периодов | 6 | Модель строится по ряду без этих периодов, прогнозирует их, и прогноз сравнивается с фактом. Ноль: проверки нет. После отложенных должно остаться не меньше двух сезонов. |
Как считается
| Шаг | Формула |
|---|---|
| Прогноз | (уровень + h × тренд) × сезонный индекс периода |
| Уровень | α × (факт ÷ индекс) + (1 − α) × (уровень + тренд) |
| Тренд | β × (новый уровень − прежний) + (1 − β) × прежний тренд |
| Сезон | γ × (факт ÷ (уровень + тренд)) + (1 − γ) × прежний индекс |
| Начало | уровень первого сезона, тренд из разницы средних двух первых сезонов, индексы из отклонений от этого тренда |
| Проверка | WAPE = Σ|факт − прогноз| ÷ Σфакт на отложенных периодах |
Пример на цифрах
Значения по умолчанию из приложения; в интерактивной версии вы подставляете свои.
- Прогноз на 12 периодов, сумма
- 17 919
- Прогноз на ближайший период
- 1 203
- WAPE на отложенных периодах
- 2,2 %Сумма |факт − прогноз| ÷ сумма факта; модель при этом не видела отложенные периоды. Цвет по порогам 15 и 30 % условный.
- Смещение на отложенных периодах
- −0,2 %Плюс: модель завышает, минус: занижает.
- MAPE на отложенных периодах
- 2,1 %
- WAPE наивного сезонного прогноза
- 10,2 %Прогноз «как в тот же период прошлого сезона». Если модель не лучше него, сложная модель не нужна.
- Выигрыш против наивного, п. п.
- 8
- Уровень в конце ряда
- 1 420
- Тренд за период
- 11,6
- Сезонный размах: наибольший индекс к наименьшему
- 1,73×
- Параметр α (уровень)
- 5 %
- Параметр β (тренд)
- 1 %
- Параметр γ (сезон)
- 50 %
- Факт
- Прогноз
- Нижняя граница
- Верхняя граница
Данные таблицей
| Период | Факт | Прогноз | Нижняя граница | Верхняя граница |
|---|---|---|---|---|
| янв 2023 | 880 | — | — | — |
| фев 2023 | 910 | — | — | — |
| мар 2023 | 1 000 | — | — | — |
| апр 2023 | 1 000 | — | — | — |
| май 2023 | 930 | — | — | — |
| июн 2023 | 910 | — | — | — |
| июл 2023 | 880 | — | — | — |
| авг 2023 | 950 | — | — | — |
| сен 2023 | 1 150 | — | — | — |
| окт 2023 | 1 280 | — | — | — |
| ноя 2023 | 1 380 | — | — | — |
| дек 2023 | 1 640 | — | — | — |
| янв 2024 | 960 | — | — | — |
| фев 2024 | 1 010 | — | — | — |
| мар 2024 | 1 190 | — | — | — |
| апр 2024 | 1 110 | — | — | — |
| май 2024 | 1 090 | — | — | — |
| июн 2024 | 1 050 | — | — | — |
| июл 2024 | 940 | — | — | — |
| авг 2024 | 1 110 | — | — | — |
| сен 2024 | 1 310 | — | — | — |
| окт 2024 | 1 430 | — | — | — |
| ноя 2024 | 1 630 | — | — | — |
| дек 2024 | 1 750 | — | — | — |
| янв 2025 | 1 070 | — | — | — |
| фев 2025 | 1 190 | — | — | — |
| мар 2025 | 1 300 | — | — | — |
| апр 2025 | 1 280 | — | — | — |
| май 2025 | 1 220 | — | — | — |
| июн 2025 | 1 100 | — | — | — |
| июл 2025 | 1 100 | — | — | — |
| авг 2025 | 1 240 | — | — | — |
| сен 2025 | 1 450 | — | — | — |
| окт 2025 | 1 650 | — | — | — |
| ноя 2025 | 1 710 | — | — | — |
| дек 2025 | 1 950 | 1 950 | — | — |
| П+1 | — | 1 203 | 1 143 | 1 263 |
| П+2 | — | 1 295 | 1 210 | 1 379 |
| П+3 | — | 1 440 | 1 336 | 1 544 |
| П+4 | — | 1 401 | 1 281 | 1 521 |
| П+5 | — | 1 334 | 1 200 | 1 468 |
| П+6 | — | 1 246 | 1 099 | 1 392 |
| П+7 | — | 1 201 | 1 042 | 1 359 |
| П+8 | — | 1 352 | 1 183 | 1 522 |
| П+9 | — | 1 595 | 1 415 | 1 775 |
| П+10 | — | 1 783 | 1 594 | 1 973 |
| П+11 | — | 1 908 | 1 709 | 2 106 |
| П+12 | — | 2 162 | 1 955 | 2 370 |
Данные таблицей
| Показатель | Индекс |
|---|---|
| 1 | 84 |
| 2 | 90 |
| 3 | 99 |
| 4 | 96 |
| 5 | 90 |
| 6 | 84 |
| 7 | 80 |
| 8 | 89 |
| 9 | 105 |
| 10 | 116 |
| 11 | 123 |
| 12 | 139 |
Прогноз по периодам
| Период | Прогноз | Нижняя граница 80 % | Верхняя граница 80 % |
|---|---|---|---|
| П+1 | 1 203 | 1 143 | 1 263 |
| П+2 | 1 295 | 1 210 | 1 379 |
| П+3 | 1 440 | 1 336 | 1 544 |
| П+4 | 1 401 | 1 281 | 1 521 |
| П+5 | 1 334 | 1 200 | 1 468 |
| П+6 | 1 246 | 1 099 | 1 392 |
| П+7 | 1 201 | 1 042 | 1 359 |
| П+8 | 1 352 | 1 183 | 1 522 |
| П+9 | 1 595 | 1 415 | 1 775 |
| П+10 | 1 783 | 1 594 | 1 973 |
| П+11 | 1 908 | 1 709 | 2 106 |
| П+12 | 2 162 | 1 955 | 2 370 |
Ряд из 36 периодов, сезон 12. Параметры подобраны по сетке на всём ряду; ошибка на отложенных периодах считается с параметрами, подобранными только по ряду до них. Интервал приблизительный (80 %): по разбросу одношаговых ошибок, растёт с корнем из горизонта.
Для новых моделей без истории, для периодов с нехваткой товара и промо с рекламой ряд искажён: сначала очистите его. Для обуви, аксессуаров и детского сезон и его длина свои. Редкие размеры с нулями считайте по прерывистому спросу.
Нюансы и ограничения
- Оставлять в ряду периоды с нехваткой товара и промо: сезон искажается.
- Судить о модели по ошибке на тех же данных, на которых она подобрана: нужна проверка на отложенных периодах.
- Прогнозировать так новинку без истории: рядов не хватает, берите аналоги.