Интуиция ETS: «взвешенный опрос»
ETS (Exponential Smoothing) — это семейство методов, где недавние данные важнее старых. Представьте взвешенный опрос: свежие мнения клиентов получают большой вес, а ответы двухлетней давности почти не влияют.
Для уровня ряда: новый прогноз = α × текущий факт + (1 − α) × предыдущий прогноз.
α (альфа) — «доверие свежим новостям». Если α близко к 1 — прогноз почти повторяет последние месяцы. Если α маленькая — метод сильнее опирается на прошлую историю и сглаживает шум.
В этом уроке мы смотрим на простейшую версию ETS — SES (Simple Exponential Smoothing), которая отвечает за уровень ряда. В следующих уроках добавим тренд и сезонность (полная модель FORECAST.ETS в Excel).
Примеры: как ETS ведёт себя в жизни
Шоколад 100 г в крупной сети: 100 → 105 → 110 → 108 → 115 (рост ~3% в месяц). ETS видит устойчивый, но разумный рост и продолжает его: примерно 118, 120, 121… При этом тренд не разгоняется до 150–200, как мог бы линейный тренд поверх MA.
Подарочный набор шоколада: каждый декабрь +80% к среднему, каждый январь −50%. ETS «запоминает» этот календарный рисунок и автоматически усиливает декабрь и ослабляет январь, даже если в остальное время продажи стабильные.
Новый SKU: рост в месяц по продажам — 50% → 30% → 15% → 8%. ETS «понимает», что рост замедляется, и постепенно выводит прогноз на плато. Простое MA с трендом могло бы экстраполировать ранний рост и сильно завысить ожидания.
Общий вывод: ETS не просто усредняет историю, а аккуратно реагирует на тренд и сезонность, при этом не давая прогнозу «улететь в космос» из-за пары удачных месяцев.
Когда использовать ETS / SES
- Стабильные SKU с понятным поведением и хотя бы 2+ года истории — особенно если в Excel доступны функции FORECAST.ETS.
- Ряды, где виден тренд и сезонность, и вы хотите, чтобы модель «сама» их отловила без ручной разметки.
- В роли продвинутого baseline по сравнению с MA(k): если ETS не лучше MA, то сложным ML-моделям будет трудно доказать свою ценность.
- В этом уроке мы руками считаем простую версию — SES (без явного тренда и сезонности), чтобы понять механику и роль α, а в Excel можно использовать готовые FORECAST.ETS функции.
Интерактив: считаем SES и прогноз на следующий период
Введите ряд продаж и параметр α (0–1). Первый прогноз принимаем равным первому факту. Далее каждый новый прогноз — это смесь свежего факта и предыдущего прогноза.
CSV-файл содержит ряд, формулы SES в формате Excel и блок с метриками (MAPE, MAE, RMSE), чтобы вы могли использовать этот шаблон для своих SKU.
Как подобрать α по MAPE
Мы перебираем α от 0.05 до 0.95 с шагом 0.05 и считаем MAPE на ряде (без первой точки). Значение α с минимальной ошибкой — ваш кандидат для данного SKU.
Идея та же, что и для MA(k): спор о том, «какую альфу взять», переводим из вкуса в цифру через сравнение ошибок.
Квиз: понимаете ли вы ETS / SES?
1. Как проще всего объяснить SES менеджеру по продажам?
2. Что будет, если α → 1 (например, 0.9–0.95)?
3. Зачем подбирать α по MAPE, а не брать случайное значение?
4. Как ETS ведёт себя при затухающем тренде (рост замедляется)?
