Зачем нужно скользящее среднее MA(k)
В реальных данных спроса цифры «дёргаются» из-за случайных факторов: разовые акции, маленькие отгрузки, ошибки клиентов. Скользящее среднее MA(k) сглаживает этот шум и даёт простой базовый прогноз.
MA(k) = среднее за последние k периодов → прогноз на следующий период (t+1)
Важно: MA(k) — не «идеальный» метод, а быстрый и честный бенчмарк. Он показывает, насколько сложные методы действительно добавляют ценность.
Практика: посчитайте MA(k) и прогноз на t+1
Введите ряд фактических продаж и длину окна k. Урок автоматически посчитает скользящее среднее, построит график и покажет прогноз на следующий период.
В первых k периодах прогноз отсутствует — недостаточно истории, чтобы посчитать среднее.
Автоподбор k по ошибкам (MAPE, MAE, RMSE)
Частый практический вопрос: какое k выбрать? Слишком маленькое — прогноз «дёргается», слишком большое — слишком медленно реагирует. Ниже мы честно сравниваем разные k на последнем хвосте данных.
Методика: для каждого k считаем MA(k), сравниваем прогноз с фактом на последних N точках и выбираем k с наименьшим MAPE (при равенстве — по MAE и RMSE).
Глоссарий по методу MA(k)
- MA(k) — скользящее среднее по последним k фактам.
- Окно k — сколько прошлых периодов берём в расчёт.
- Baseline-прогноз — простой «честный» прогноз, с которым сравниваем сложные методы.
- Holdout — хвост ряда, который используем только для проверки модели.
- MAPE — средняя абсолютная процентная ошибка (%).
- MAE — средняя абсолютная ошибка в единицах.
- RMSE — корень из средней квадратичной ошибки, сильнее наказывает большие промахи.
Квиз по методу MA(k)
Ответьте на вопросы и проверьте, насколько уверенно вы понимаете скользящее среднее.
1. Зачем мы используем MA(k)?
2. Что происходит при увеличении k?
3. Что собирается в holdout-выборку?
4. Какая метрика измеряет среднюю абсолютную процентную ошибку?
5. Когда MA(k) особенно уместен как baseline?
6. Как лучше выбрать k на практике?
