Syntha Lab EN

Холт-Винтерс, сезонная декомпозиция и метод Кростона: прогноз с трендом, сезоном и прерывистым спросом

Три метода, которые закрывают то, чего не умеют простое сглаживание и сезонный индекс: тройное экспоненциальное сглаживание (уровень, тренд, сезон), разложение ряда на тренд, сезонность и остаток, и метод Кростона для позиций, которые продаются не каждую неделю. Решение: каким методом прогнозировать растущую или падающую линию и редкие размеры и как показать интервал, а не одну точку.

Математика и аналитика Бренд и ритейл Проверено: 2026-11-14

Открыть интерактивно →

Зачем этот документ

Документ читают планировщик и аналитик, когда простое сглаживание и сезонный индекс перестают работать. Холт-Винтерс нужен там, где у ряда есть и растущий или падающий тренд, и повторяющийся сезон: простое сглаживание такой ряд отстаёт, сезонный индекс не видит тренда. Разложение на тренд, сезон и остаток помогает понять, откуда пришёл рост. Метод Кростона нужен для позиций, которые продаются редко и по одной: обычные методы там дают ложную точность, а запас замораживается или заканчивается внезапно.

Коротко

Что это за документ и зачем он нужен?
Три метода, которые закрывают то, чего не умеют простое сглаживание и сезонный индекс: тройное экспоненциальное сглаживание (уровень, тренд, сезон), разложение ряда на тренд, сезонность и остаток, и метод Кростона для позиций, которые продаются не каждую неделю. Решение: каким методом прогнозировать растущую или падающую линию и редкие размеры и как показать интервал, а не одну точку.
Кто отвечает за документ и как часто его пересчитывать?
Аналитик планирования спроса; параметры пересматривают раз в сезон, прогноз обновляют ежемесячно (линии) и еженедельно (редкие позиции); результат читают закупки, планирование цепочки и финансы.
Какие ошибки встречаются чаще всего?
Подбирают α, β, γ по всему ряду и проверяют на нём же → ложная точность → скрытое окно, не участвующее в подборе. Линейный тренд продлевают на 18–24 месяца → прогноз улетает вверх или вниз → ограничивают горизонт или затухают тренд. Прогнозируют продажи, а не спрос, при частых нехватках → тренд и сезон занижены → восстановите спрос в дни без остатка.

Для кого

Бренд
Бренд прогнозирует линию или категорию на горизонте заказа (4–9 месяцев): Холт-Винтерс и декомпозиция дают базу с трендом, а Кростон нужен для редких артикулов склада допоставки.
Ритейл
Ритейлер применяет их к категории и магазину на горизонте закупки сезона и к редким размерам на горизонте пополнения (1–4 недели), где обычный WAPE вводит в заблуждение.

Из чего состоит

Когда простого индекса недостаточно

  • Сезонный индекс и сглаженный уровень (документ про прогноз спроса) ошибаются, если у линии есть тренд: рост магазина, расширение ассортимента, падение категории. В примере ряд из 48 месяцев растёт примерно на 4,4 тыс. ₽ в месяц на фоне годового рисунка; метод без сезонности (Холт) на скрытом окне ошибается на 38,3 % WAPE, потому что не знает про декабрьский пик.
  • Правило выбора: нет тренда и сезона, значит простое сглаживание; сезон без тренда, значит сезонный индекс; тренд и сезон вместе, значит Холт-Винтерс или декомпозиция; много нулей в ряду, значит Кростон. Метод, не обыгравший сезонный наивный, не вводят.
  • Мультипликативная форма подходит, когда сезонный размах растёт вместе с уровнем (декабрь выше на 35 %, а не на 300 тыс. ₽); аддитивная, когда размах постоянен в рублях. Для продаж одежды обычно мультипликативная.

Тройное сглаживание Холта-Винтерса

  • Три состояния обновляются на каждом шаге: уровень L (десезонализированный объём), тренд T (прирост уровня за период) и сезонные коэффициенты S по позициям внутри года. Параметры α, β, γ из диапазона 0–1 задают, насколько быстро метод забывает прошлое по каждому состоянию.
  • Параметры подбирают сеткой по минимуму суммы квадратов ошибок на шаг вперёд на обучающем окне (36 месяцев). В примере выбраны α = 0,2, β = 0,01, γ = 0,05: уровень реагирует умеренно, тренд и сезон почти не дёргаются. Малые β и γ защищают от шума, но замедляют реакцию на реальный излом.
  • Прогноз на h шагов: (L + h·T)·S. На скрытом окне из 12 месяцев метод даёт WAPE 4,4 % против 6,2 % у сезонного наивного. Интервал 80 % строят по остаткам на шаг вперёд с ростом ширины как √h; в примере в него попали 11 из 12 месяцев, то есть интервал консервативен.
  • Ритейл: для нового магазина без истории тренд и сезон берут у магазинов-аналогов формата и города; собственный Холт-Винтерс включают после 24 месяцев.

Сезонная декомпозиция

  • Классическое разложение: тренд берут центрированным скользящим средним 2×12 (убирает сезон и шум), делят ряд на тренд, усредняют отношения по месяцам, нормируют индексы на среднее 1 и получают остаток. Тренд на будущее продлевают линией по скользящему среднему. В примере WAPE на скрытом окне 3,6 %, а разброс остатка 2,5 %.
  • Остаток читают как диагностику: повторяющиеся всплески в одной неделе значат пропущенное событие (акция, перенос праздника), серия одного знака значит, что тренд построен неверно. Декомпозиция прозрачнее для собственника, Холт-Винтерс удобнее при ежемесячном обновлении.
  • Метод требует минимум двух полных лет, лучше трёх; для линий короче двух лет сезон берут из аналогов, а не из собственной истории.
  • Бренд: сезон опта опережает розницу на 2–4 месяца (закладка партнёров), поэтому индексы считают отдельно по каналу, иначе пик отгрузок читается как пик спроса.
  • Ритейл: сезон зависит от региона и погоды, поэтому индексы по климатическим зонам или группам магазинов точнее единого индекса сети, если истории по группе достаточно.

Метод Кростона для прерывистого спроса

  • Если в ряду много нулей, обычное сглаживание даёт прогноз, который прыгает вниз после недель без продаж и вверх после продаж. Кростон сглаживает отдельно размер продажи z и интервал p между продажами и берёт прогноз z/p. В примере из 300 смоделированных позиций доля недель с продажей в среднем 30 %.
  • Смещение метода известно: он завышает скорость спроса. Поправка Сиртеса-Бойлана-Сиртеса умножает прогноз на (1 − α/2). Против известной истинной скорости спроса: смещение Кростона 6 %, SBA 0,7 %, среднеквадратичная ошибка 28 % и 26 % против 69 % у скользящего среднего 8 недель.
  • Для редких позиций WAPE по неделям почти всегда близок к 100 %: нулевой прогноз «ошибается» меньше любого ненулевого. Качество проверяют по накопленному спросу за срок поставки и по доле случаев нехватки, а не по недельной ошибке.

Бренд и ритейл: где что применять

  • Бренд: Холт-Винтерс по линии и каналу на месячной сетке для плана заказа и OTB; декомпозиция остатка помогает отделить эффект коллекции от тренда канала.
  • Ритейл: по категории и магазину на недельной или месячной сетке; тренд магазина учитывают после открытия, ремонта и смены соседей.
  • Бренд: Кростон нужен для артикулов склада допоставки и для крайних размеров, где недельная отгрузка нулевая; страховой запас считают по накопленному спросу срока поставки.
  • Ритейл: Кростон нужен для размеров в магазине и аксессуаров с долей нулевых недель выше половины; результат идёт в min-max пополнения.
  • Бренд: границы интервала переводят в сценарии заказа (оптимистичный, базовый, осторожный), а не показывают собственнику как гарантию.
  • Ритейл: интервал прогноза определяет страховой запас и размер закладки под акцию; выход факта за интервал два месяца подряд запускает пересчёт параметров.

Откуда берутся данные

Источник данныхПоля
Продажи по месяцам и неделямРяд не короче 24 месяцев (лучше 36), восстановленный спрос в дни без остатка, события помечены; для Кростона недельные продажи в штуках по SKU и размеру.
Календарь и событияАкции, переносы праздников, открытия и закрытия, смена календаря 4-5-4; их убирают из ряда или моделируют отдельно.
АналогиПрофили сезона аналогичных линий для коротких рядов; границы доверия по истории ошибок.

Как собрать по шагам

  1. Шаг 1. Постройте месячный ряд, очистите его от событий и дней без остатка; проверьте длину (минимум два полных года).
  2. Бренд: Шаг 2. Возьмите ряд по линии и каналу из отгрузок и sell-out; отдельно отметьте предзаказы и закладку партнёров, которые искажают тренд.
  3. Ритейл: Шаг 3. Возьмите ряд по категории и магазину; уберите месяцы закрытия и ремонта, перенесите акции в отдельный признак.
  4. Шаг 4. Выберите форму сезона: мультипликативная, если размах растёт с уровнем; проверьте на графике «ряд ÷ тренд».
  5. Шаг 5. Оставьте последние 12 месяцев как скрытое окно; на остальном подберите α, β, γ сеткой по сумме квадратов ошибок на шаг вперёд.
  6. Шаг 6. Посчитайте прогноз на скрытом окне и сравните WAPE и смещение с сезонным наивным и с декомпозицией; выберите метод, который обыгрывает эталон.
  7. Шаг 7. Постройте интервал 80 % по остаткам на шаг вперёд (ширина растёт как √h) и проверьте, сколько фактов в него попало.
  8. Бренд: Шаг 8. Для редких артикулов склада допоставки посчитайте Кростона с поправкой SBA и спрос за срок поставки; результат передайте в страховой запас.
  9. Ритейл: Шаг 9. Для размеров и аксессуаров с долей нулей выше 50 % замените скользящее среднее на Кростона в min-max пополнения; контролируйте нехватку, а не недельную ошибку.
  10. Шаг 10. Зафиксируйте частоту пересчёта параметров (раз в сезон) и условие внепланового пересчёта (факт вне интервала два периода подряд).

Формулы

ПоказательФормулыПояснение
Холт-Винтерс (мультипликативный)L_t = α·y_t/S_(t−m) + (1−α)·(L_(t−1)+T_(t−1)); T_t = β·(L_t−L_(t−1)) + (1−β)·T_(t−1); S_t = γ·y_t/L_t + (1−γ)·S_(t−m)m = 12 для месяцев, 52 для недель; параметры от 0 до 1.
Прогноз на h шаговF_(t+h) = (L_t + h·T_t)·S_(t+h−m·⌈h/m⌉)Линейный тренд на длинном горизонте завышает рост: ограничивайте горизонт или затухайте тренд.
Индекс сезона по декомпозицииĨ_i = mean_k( y_(k,i) / MA_(k,i) ); I_i = Ĩ_i / mean(Ĩ)MA центрированное 2×12; на краях ряда оно не определено.
Остаток и разбросe_t = y_t / (Trend_t · I_t) − 1; s_e = √[ Σ(e_t − ē)² / (n − 1) ]Выборочное СКО, делитель n−1.
Кростонz_t = α·y_t + (1−α)·z_(t−1), p_t = α·q + (1−α)·p_(t−1) (только в неделях с продажей); F = z/pq число недель с прошлой продажи; α около 0,1.
Поправка SBA и спрос за срок поставкиF_SBA = (1 − α/2)·z/p; D_L = L·F_SBAСтраховой запас для редких позиций считают по распределению D_L, а не по нормальному приближению недельного спроса.

Формулы в записи

Холт-Винтерс: уровень
L_t = α·y_t / S_{t−m} + (1 − α)·(L_{t−1} + T_{t−1})
Десезонализированный уровень.
Холт-Винтерс: тренд
T_t = β·(L_t − L_{t−1}) + (1 − β)·T_{t−1}
Прирост уровня за период.
Холт-Винтерс: сезон
S_t = γ·y_t / L_t + (1 − γ)·S_{t−m}
Сезонный коэффициент позиции внутри года.
Прогноз
F_{t+h} = (L_t + h·T_t)·S_{t+h−m}
Для h ≤ m; дальше сезон повторяется.
Индекс сезона
I_i = mean_k( y_{k,i} / MA_{k,i} ) / mean(Ĩ)
MA центрированное 2×12; нормировка на среднее 1.
Поправка SBA
F_SBA = (1 − α/2)·z / p
Убирает завышение Кростона.

Пример с числами

Четыре метода на скрытом окне 12 месяцев (многошаговый прогноз от конца обучающего окна)

МетодWAPE, %Смещение, %
Сезонный наивный (год назад)6,2−4,8
Холт (тренд без сезона)38,338,3
Холт-Винтерс (мультипликативный)4,4−1,2
Декомпозиция: тренд × индекс3,6−1,4

Ряд из 48 месяцев сформирован кодом (фиксированное зерно): линейный тренд, годовой рисунок и шум 5 %. Обучение 36 месяцев, скрытое окно 12. Лучшие методы с сезоном и трендом (3,6 и 4,4 %), без сезона 38,3 %. Данные учебные; порядок методов на реальных рядах может отличаться.

Рисунки

Факт и прогнозы на скрытом окне 12 месяцев
Линейный график: Факт: 939 → 1 566; Холт-Винтерс: 860 → 1 645; Декомпозиция: 936 → 1 605; Холт без сезона: 1 496 → 1 7788001 0001 2001 4001 6001 800123456789101112Факт, 1: 939Факт, 2: 910Факт, 3: 1 084Факт, 4: 1 218Факт, 5: 1 137Факт, 6: 1 061Факт, 7: 919Факт, 8: 1 097Факт, 9: 1 324Факт, 10: 1 465Факт, 11: 1 482Факт, 12: 1 566Холт-Винтерс, 1: 860Холт-Винтерс, 2: 877Холт-Винтерс, 3: 1 065Холт-Винтерс, 4: 1 121Холт-Винтерс, 5: 1 246Холт-Винтерс, 6: 981Холт-Винтерс, 7: 897Холт-Винтерс, 8: 1 075Холт-Винтерс, 9: 1 272Холт-Винтерс, 10: 1 469Холт-Винтерс, 11: 1 518Холт-Винтерс, 12: 1 645Декомпозиция, 1: 936Декомпозиция, 2: 904Декомпозиция, 3: 1 089Декомпозиция, 4: 1 113Декомпозиция, 5: 1 248Декомпозиция, 6: 976Декомпозиция, 7: 893Декомпозиция, 8: 1 069Декомпозиция, 9: 1 249Декомпозиция, 10: 1 440Декомпозиция, 11: 1 486Декомпозиция, 12: 1 605Холт без сезона, 1: 1 496Холт без сезона, 2: 1 522Холт без сезона, 3: 1 547Холт без сезона, 4: 1 573Холт без сезона, 5: 1 599Холт без сезона, 6: 1 624Холт без сезона, 7: 1 650Холт без сезона, 8: 1 676Холт без сезона, 9: 1 701Холт без сезона, 10: 1 727Холт без сезона, 11: 1 753Холт без сезона, 12: 1 778тыс. ₽
  • Факт
  • Холт-Винтерс
  • Декомпозиция
  • Холт без сезона
Данные таблицей
ПоказательФактХолт-ВинтерсДекомпозицияХолт без сезона
19398609361 496
29108779041 522
31 0841 0651 0891 547
41 2181 1211 1131 573
51 1371 2461 2481 599
61 0619819761 624
79198978931 650
81 0971 0751 0691 676
91 3241 2721 2491 701
101 4651 4691 4401 727
111 4821 5181 4861 753
121 5661 6451 6051 778

Факт и прогнозы на скрытом окне 12 месяцев. Холт-Винтерс (4,4 %) и декомпозиция (3,6 %) повторяют и рост, и сезонный рисунок; Холт без сезона (38,3 %) даёт почти прямую линию. По оси: месяц скрытого окна.

Прогноз Холта-Винтерса с интервалом 80 %
Линейный график: Верх 80 %: 939 → 1 918; Прогноз: 860 → 1 645; Факт: 939 → 1 566; Низ 80 %: 781 → 1 3715001 0001 5002 000123456789101112Верх 80 %, 1: 939Верх 80 %, 2: 988Верх 80 %, 3: 1 202Верх 80 %, 4: 1 280Верх 80 %, 5: 1 422Верх 80 %, 6: 1 175Верх 80 %, 7: 1 107Верх 80 %, 8: 1 298Верх 80 %, 9: 1 509Верх 80 %, 10: 1 719Верх 80 %, 11: 1 780Верх 80 %, 12: 1 918Прогноз, 1: 860Прогноз, 2: 877Прогноз, 3: 1 065Прогноз, 4: 1 121Прогноз, 5: 1 246Прогноз, 6: 981Прогноз, 7: 897Прогноз, 8: 1 075Прогноз, 9: 1 272Прогноз, 10: 1 469Прогноз, 11: 1 518Прогноз, 12: 1 645Факт, 1: 939Факт, 2: 910Факт, 3: 1 084Факт, 4: 1 218Факт, 5: 1 137Факт, 6: 1 061Факт, 7: 919Факт, 8: 1 097Факт, 9: 1 324Факт, 10: 1 465Факт, 11: 1 482Факт, 12: 1 566Низ 80 %, 1: 781Низ 80 %, 2: 765Низ 80 %, 3: 928Низ 80 %, 4: 963Низ 80 %, 5: 1 069Низ 80 %, 6: 788Низ 80 %, 7: 688Низ 80 %, 8: 851Низ 80 %, 9: 1 035Низ 80 %, 10: 1 219Низ 80 %, 11: 1 256Низ 80 %, 12: 1 371тыс. ₽
  • Верх 80 %
  • Прогноз
  • Факт
  • Низ 80 %
Данные таблицей
ПоказательВерх 80 %ПрогнозФактНиз 80 %
1939860939781
2988877910765
31 2021 0651 084928
41 2801 1211 218963
51 4221 2461 1371 069
61 1759811 061788
71 107897919688
81 2981 0751 097851
91 5091 2721 3241 035
101 7191 4691 4651 219
111 7801 5181 4821 256
121 9181 6451 5661 371

Прогноз Холта-Винтерса с интервалом 80 %. Ширина интервала растёт с горизонтом как √h; в интервал попали 11 из 12 фактических месяцев, поэтому интервал консервативен.

Сезонные индексы: заданные и восстановленные декомпозицией
Столбчатая диаграмма: 1 0,8, 2 0,78, 3 0,92, 4 1, 5 1,02, 6 0,900,511,511Заданный индекс: 0,80,8Восстановленный индекс: 0,830,8322Заданный индекс: 0,780,78Восстановленный индекс: 0,790,7933Заданный индекс: 0,920,92Восстановленный индекс: 0,950,9544Заданный индекс: 11Восстановленный индекс: 0,970,9755Заданный индекс: 1,021,02Восстановленный индекс: 1,081,0866Заданный индекс: 0,90,9Восстановленный индекс: 0,840,8477Заданный индекс: 0,760,76Восстановленный индекс: 0,760,7688Заданный индекс: 0,90,9Восстановленный индекс: 0,910,9199Заданный индекс: 1,121,12Восстановленный индекс: 1,061,061010Заданный индекс: 1,21,2Восстановленный индекс: 1,221,221111Заданный индекс: 1,251,25Восстановленный индекс: 1,251,251212Заданный индекс: 1,351,35Восстановленный индекс: 1,341,34к среднему года
  • Заданный индекс
  • Восстановленный индекс
Данные таблицей
ПоказательЗаданный индексВосстановленный индекс
10,80,83
20,780,79
30,920,95
410,97
51,021,08
60,90,84
70,760,76
80,90,91
91,121,06
101,21,22
111,251,25
121,351,34

Сезонные индексы: заданные и восстановленные декомпозицией. Декомпозиция по 36 месяцам восстанавливает заложенный годовой рисунок с небольшими отклонениями; пик в ноябре-декабре и провал в январе-феврале и июле. По оси: месяц года.

Ошибка на шаг вперёд при разных α и γ
Тепловая карта: 7×7; мин. 61,7, макс. 78,5γ 0.05γ 0.05γ 0.1γ 0.1γ 0.2γ 0.2γ 0.3γ 0.3γ 0.5γ 0.5γ 0.7γ 0.7γ 0.9γ 0.9α 0.1α 0.162α 0.1 / γ 0.05: 6262,5α 0.1 / γ 0.1: 62,563,8α 0.1 / γ 0.2: 63,865,3α 0.1 / γ 0.3: 65,368,7α 0.1 / γ 0.5: 68,773α 0.1 / γ 0.7: 7378,5α 0.1 / γ 0.9: 78,5α 0.2α 0.261,7α 0.2 / γ 0.05: 61,762,2α 0.2 / γ 0.1: 62,263,2α 0.2 / γ 0.2: 63,264,4α 0.2 / γ 0.3: 64,467,2α 0.2 / γ 0.5: 67,270,8α 0.2 / γ 0.7: 70,875,4α 0.2 / γ 0.9: 75,4α 0.3α 0.362,7α 0.3 / γ 0.05: 62,763,1α 0.3 / γ 0.1: 63,164α 0.3 / γ 0.2: 6464,9α 0.3 / γ 0.3: 64,967,1α 0.3 / γ 0.5: 67,169,8α 0.3 / γ 0.7: 69,873,2α 0.3 / γ 0.9: 73,2α 0.4α 0.464,1α 0.4 / γ 0.05: 64,164,5α 0.4 / γ 0.1: 64,565,2α 0.4 / γ 0.2: 65,265,9α 0.4 / γ 0.3: 65,967,5α 0.4 / γ 0.5: 67,569,4α 0.4 / γ 0.7: 69,471,8α 0.4 / γ 0.9: 71,8α 0.5α 0.565,8α 0.5 / γ 0.05: 65,866,1α 0.5 / γ 0.1: 66,166,7α 0.5 / γ 0.2: 66,767,2α 0.5 / γ 0.3: 67,268,4α 0.5 / γ 0.5: 68,469,8α 0.5 / γ 0.7: 69,871,3α 0.5 / γ 0.9: 71,3α 0.6α 0.667,5α 0.6 / γ 0.05: 67,567,8α 0.6 / γ 0.1: 67,868,3α 0.6 / γ 0.2: 68,368,7α 0.6 / γ 0.3: 68,769,6α 0.6 / γ 0.5: 69,670,6α 0.6 / γ 0.7: 70,671,7α 0.6 / γ 0.9: 71,7α 0.8α 0.871,3α 0.8 / γ 0.05: 71,371,4α 0.8 / γ 0.1: 71,471,7α 0.8 / γ 0.2: 71,772α 0.8 / γ 0.3: 7272,6α 0.8 / γ 0.5: 72,673,1α 0.8 / γ 0.7: 73,173,6α 0.8 / γ 0.9: 73,6
  • 61,7 … 78,5 тыс. ₽
Данные таблицей
γ 0.05γ 0.1γ 0.2γ 0.3γ 0.5γ 0.7γ 0.9
α 0.16262,563,865,368,77378,5
α 0.261,762,263,264,467,270,875,4
α 0.362,763,16464,967,169,873,2
α 0.464,164,565,265,967,569,471,8
α 0.565,866,166,767,268,469,871,3
α 0.667,567,868,368,769,670,671,7
α 0.871,371,471,77272,673,173,6

Ошибка на шаг вперёд при разных α и γ. Среднеквадратичная ошибка на шаг вперёд на обучающем окне при β = 0,01: минимум при малых α и γ; быстрые параметры реагируют на шум и ошибаются сильнее.

Прерывистый спрос: смещение и ошибка оценки скорости спроса
Столбчатая диаграмма: Скользящее 8 5,3, Сглаживание 0,2 3,1, Кростон 6, SBA 0,7020406080Скользящее 8Скользящее 8Смещение: 5,35,3Среднеквадратичная ошибка: 68,768,7Сглаживание 0,2Сглаживание 0,2Смещение: 3,13,1Среднеквадратичная ошибка: 6464КростонКростонСмещение: 66Среднеквадратичная ошибка: 28,128,1SBASBAСмещение: 0,70,7Среднеквадратичная ошибка: 26,126,1%
  • Смещение
  • Среднеквадратичная ошибка
Данные таблицей
ПоказательСмещениеСреднеквадратичная ошибка
Скользящее 85,368,7
Сглаживание 0,23,164
Кростон628,1
SBA0,726,1

Прерывистый спрос: смещение и ошибка оценки скорости спроса. Кростон смещён на 6 %, SBA на 0,7 %; среднеквадратичная ошибка у обоих более чем вдвое меньше, чем у скользящего среднего и обычного сглаживания. 300 смоделированных позиций, 78 недель обучения, оценка против истинной скорости спроса.

Одна редкая позиция: продажи и три прогноза
Линейный график: Продажи, шт.: 0 → 0; Скользящее 8: 1,13 → 0,13; Кростон: 1,42 → 0,64; SBA: 1,35 → 0,610123491317212529333741454952Продажи, шт., 9: 0Продажи, шт., 52: 0Скользящее 8, 9: 1,13Скользящее 8, 52: 0,13Кростон, 9: 1,42Кростон, 52: 0,64SBA, 9: 1,35SBA, 52: 0,61шт. в неделю
  • Продажи, шт.
  • Скользящее 8
  • Кростон
  • SBA
Данные таблицей
ПоказательПродажи, шт.Скользящее 8КростонSBA
901,131,421,35
1001,131,421,35
1120,751,421,35
1200,751,241,18
1300,751,241,18
1400,381,241,18
1500,381,241,18
1600,251,241,18
1700,251,241,18
1800,251,241,18
1900,251,241,18
20001,241,18
21301,241,18
2220,380,920,87
2300,630,960,91
2400,630,960,91
2500,630,960,91
2600,630,960,91
2730,630,960,91
28010,90,85
29010,90,85
3010,630,90,85
3100,50,840,8
3200,50,840,8
3320,50,840,8
3430,750,820,78
3501,130,90,86
3610,750,90,86
3740,880,870,83
3801,3810,95
3901,2510,95
4001,2510,95
4101,2510,95
420110,95
4300,6310,95
4400,6310,95
4500,510,95
460010,95
470010,95
480010,95
490010,95
500010,95
511010,95
5200,130,640,61

Одна редкая позиция: продажи и три прогноза. В 73 % недель продаж нет; скользящее среднее скачет, Кростон и SBA дают ровный уровень и показывают один прогноз для планирования запаса. По оси: неделя.

Особенности по категориям

Одежда
Мультипликативный сезон с двумя пиками; линии с трендом (расширение сети, онлайн) прогнозируют Холтом-Винтерсом, базовый трикотаж проще сезонным индексом.
Обувь
Сезонные переключения (демисезон, зима) резкие: параметр γ выше, чем для одежды; размеры прогнозируют Кростоном внутри модели, особенно крайние.
Аксессуары
Много редких позиций и подарочные пики: Кростон для хвоста, декомпозиция по неделям вокруг праздничных дат для ядра.
Детское
Школьный и возрастной календарь создаёт резкие сезонные скачки; тренд зависит от демографии; ряд по возрастным группам, а не по категории целиком.
Мужское
Слабая сезонность и ровный тренд: достаточно двойного сглаживания или декомпозиции с небольшим числом индексов; Кростон для редких размеров.
Женское
Высокая доля новинок и модные волны: тренд рядов нестабилен, β держат малым, интервал показывают шире; новинки по аналогам, Холт-Винтерс для зрелых линий.

Типичные ошибки

  • Подбирают α, β, γ по всему ряду и проверяют на нём же → ложная точность → скрытое окно, не участвующее в подборе.
  • Линейный тренд продлевают на 18–24 месяца → прогноз улетает вверх или вниз → ограничивают горизонт или затухают тренд.
  • Прогнозируют продажи, а не спрос, при частых нехватках → тренд и сезон занижены → восстановите спрос в дни без остатка.
  • Применяют обычное сглаживание к рядам с большинством нулей → прогноз прыгает и даёт ложные дозаказы → Кростон или SBA.
  • Оценивают редкие позиции недельным WAPE → нулевой прогноз выглядит «лучшим» → оценка по накопленному спросу срока поставки и по нехватке.

Особенности России

  • Ритейл: календарь РФ с длинными праздничными неделями в январе и мае смещает сезон по неделям; для недельных рядов используют календарь событий или недели вокруг дат, а не номер недели.
  • Прогнозы на персональных данных клиентов требуют правового основания и обезличивания; для спроса по магазинам и SKU идентификаторы людей не нужны. Норма: закон 152-ФЗ от 27.07.2006: Закон от 27.07.2006 № 152-ФЗ «О персональных данных» (проверка нормы не завершена).

Открыть интерактивно →