Модуль 3 Урок 9

Модуль 3 Методы прогнозирования (Forecasting Methods)
Урок 9. Временные ряды: MA, ES, ARIMA (Time Series Models)

Представьте кассу в магазине, где каждый месяц остаются «следы» спроса — цифры продаж.

Модели временных рядов (Time Series) умеют читать эти следы и продолжать линию вперёд без внешних факторов — только по истории.
Это как рисовать дорогу дальше, глядя на её форму сзади.

Когда работает лучше всего: когда спрос повторяется (сезоны, тренды), а «внешний шум» (цены, промо, погода) либо стабилен, либо обрабатывается отдельно.

Базовые модели — по ступенькам сложности
Скользящее среднее (MA: Moving Average)

Что делает
  • Берёт последние несколько месяцев и считает из них простое среднее.
  • Это среднее — и есть прогноз на следующий месяц.
  • Как будто вы смотрите на цены за последние 3 недели и говорите: «Примерно так же будет и в следующую».
Плюсы
  • Очень просто: посчитал среднее — готово.
  • Сглаживает случайные скачки: один месяц вверх, другой вниз — линия становится ровнее.
  • Понятно всем: легко объяснить продажам и финансам.
Минусы
  • Запаздывает: если спрос резко вырос/упал, среднее «спохватится» не сразу.
  • Не видит сезонность: если каждый декабрь всплеск, MA этого не поймёт само по себе.
  • Чувствительно к мусору в данных: если был ноль из-за отсутствия товара (OOS) или большая промо-распродажа, среднее исказится.
Как пользоваться (cмотри вложенный файл внизу урока):
  1. На листе Data внесите месяцы и факты.
  2. Вернитесь на MA и поставьте k (например, 3).
  3. Посмотрите MAPE_% (K4/K5).
  4. Поменяйте k (например, 6) и сравните.
  5. Выберите, что берёте как Baseline (меньший MAPE и адекватный график).
  6. Прогноз на следующий месяц — это последняя точка линии MA и значение в последней строке столбца C (и/или E).
Маленькие подсказки:
  • Если прогноз «опаздывает», уменьшите k.
  • Если линия «дёрганая», увеличьте k.
  • Если у вас были OOS (товара не было), смотрите вариант MA(no zeros) — он даёт более честную базу.
  • Если данных мало и при большом k прогнозы пустые — это нормально: нужно минимум k фактов, чтобы появилась первая точка MA.
Экспоненциальное сглаживание (ES: Exponential Smoothing)

Что делает
  • Как MA, но последние месяцы считает важнее.
  • Представьте весы: свежие данные тяжелее, старые — полегче.
Плюсы
  • Реагирует быстрее, чем простое среднее.
  • Можно включить тренд (Holt) и сезонность (Holt–Winters).
  • Есть прямо в Excel Forecast Sheet.
Минусы
  • Если сезонность/режим часто меняются — может «плавать».
  • Всё ещё не видит внешние факторы (цены, промо) сам по себе.
  • Нужна чистая история без OOS и всплесков-промо.
Когда брать
  • Хочется простоты, но нужен чуть более живой прогноз, чем MA.
  • Есть понятный тренд и/или постоянная сезонность.
Шаги (cмотри вложенный файл внизу урока):
  1. На листе Data заполните месяцы и продажи.
  2. Откройте ES_Simple. Поставьте α=0.3 (старт).
  3. Посмотрите график: красная линия ES(α) vs синяя Actual.
  4. Смотрите MAPE_% (ячейка G3).
  • Если линия отстаёт → поднимайте α (0.5…0.7).
  • Если дёргается → уменьшайте α (0.2…0.4).
  1. Когда MAPE_% стал минимальным и график выглядит ровно — готово.
  2. Прогноз на следующий месяц — это последняя строка столбца C.
ARIMA (ARIMA)

Что делает
  • Сначала выпрямляет ряд (убирает общий наклон),
  • потом смотрит, как текущие значения зависят от прошлых и прошлых ошибок.
  • Это как разложить вязание на петли и понять «узор», чтобы продолжить дальше.
Плюсы
  • Хорош для длинной истории, где узор повторяется.
  • Даёт аккуратные интервалы прогноза (полезно для рисков/финансов).
Минусы
  • Сложнее настроить (обычно нужен спец/скрипт).
  • Чувствителен к «грязи» в данных и резким сменам режима.
  • Внешние факторы не учитывает без доп. моделей.
Когда брать
  • Есть много месяцев данных, устойчивые повторения и хочется «построже» статистику.
ETS (ETS: Error–Trend–Seasonality, в Excel Forecast Sheet)

Что делает
  • Разбирает спрос на три «слоя»:
  • Ошибка (случайные колебания) + Тренд (постепенный рост/падение) + Сезонность (повторяющийся рисунок).
  • Excel сам подбирает подходящую комбинацию.
Плюсы
  • Отлично ловит сезонность и тренд без сложной математики.
  • Быстро и прозрачно — прямо в Excel.
  • Хороший baseline для FMCG и розницы.
Минусы
  • Если сезонность «ломается» (праздники сдвигаются, акции рваные) — качество падает.
  • Внешние факторы (цены, промо, погода) не учитывает напрямую.
Когда брать
  • Нужен понятный и сезонный прогноз «здесь и сейчас» без кода.
  • Команда работает в Excel, нужно быстро начать.
Что делает ETS «под капотом»

Автоматически выбирает тип сезонности (аддитивная/мультипликативная) и тренд. Это и есть Holt–Winters «из коробки» в Excel.
Хорош, когда сезонность стабильная (повторяется каждый год).

Holt (двойное экспоненциальное сглаживание, Holt’s Linear Trend)

Что делает
  • Как ES, но ещё учитывает наклон ряда: растём мы или падаем.
Плюсы
  • Ловит тренд (рост/падение).
  • Простой, настраивается быстро (в Excel тоже есть).
Минусы
  • Сезонность не видит. Если декабрь каждый год «вспышка» — Holt не поймёт.
Когда использовать
  • Спрос без яркой сезонности, но с явным трендом.
  • Примеры: новый бренд растёт; «уставший» SKU плавно снижается.
Как пользоваться (смотри файл урока внизу)

Заполните
Data (месяцы и факты).
На листе Holt оставьте старт: α=0.3, β=0.2.
Посмотрите график и MAPE_%_last_N.

Подбирайте параметры:
  • Линия прогноза отстаёт по уровню → повышайте α.
  • Не ловит наклон (идёт почти параллельно, но мимо) → повышайте β.
  • Слишком дёргается → уменьшайте соответствующий параметр.
Когда MAPE упал и график «смотрится» — берите последнюю ячейку в E как прогноз на следующий месяц.

Когда Holt уместен / не уместен
  • ✔ Уместен: есть тренд, но сезонности почти нет.
  • ✖ Не уместен: яркая сезонность (декабрьские пики и т.п.) — тогда используйте Holt–Winters/ETS (лист HW_via_ETS).

Маленькие подсказки

  • Часто достаточно перебирать α в 0.2–0.5 и β в 0.1–0.3.
  • Перед настройкой очистите данные от OOS/промо-всплесков — Holt их «любит» слишком сильно.
Holt–Winters (тройное экспоненциальное сглаживание, Holt–Winters)

Что делает
  • Как Holt, но плюс сезонность. Получается: уровень + тренд + сезонный рисунок.
Плюсы
  • Хорошо ловит и тренд, и повторы по сезонам.
  • Работает «из коробки» в Excel Forecast Sheet.
Минусы
  • Нужна стабильная сезонность (рисунок повторяется каждый год).
  • Если праздники/акции «скачут» — качество падает.
Когда использовать
  • Спрос повторяется по сезонам и есть общий рост/падение.
  • Примеры: мороженое (летние пики), подарочные наборы (декабрь).
Подсказка про тип сезонности
  • Additive (аддитивная): сезонные «волны» примерно одинаковой высоты каждый год.
  • Multiplicative (мультипликативная): «волны» растут вместе с уровнем (чем больше базовый спрос, тем выше пик).
Карта выбора метода:

  • Есть сезонность (Seasonality)?
– ДА → ETS (Error–Trend–Seasonality) / Holt–Winters (тренд + сезонность; Excel Forecast Sheet)
– НЕТ → переходите к шагу 2.

  • Есть тренд (Trend: рост/падение)?
– ДА → Holt (двойное экспоненциальное сглаживание, level + trend)
– НЕТ → MA (Moving Average) или ES Simple (Exponential Smoothing) — быстрый, прозрачный базовый прогноз (Baseline)
  • Длинная история и хочется «построже» статистику?
– ARIMA / SARIMA — очистите данные и проверьте MAPE (Mean Absolute Percentage Error) на holdout-окне (последние N месяцев)

Подсказки:
  • MA — baseline без сезонов;
  • ES реагирует быстрее на последние изменения.
  • ETS / Holt–Winters — лучшая стартовая точка при стабильной сезонности.
  • Внешние факторы (цены, промо, погода) добавляйте отдельной регрессией / ML поверх baseline.
Скачать файл Time Series Models
Скачать Готовый Python-скрипт для ARIMA/SARIMA
⚠️ Важное уведомление

Эти файлы созданы в приложениях Microsoft Office (Word, PowerPoint и Excel).
Обратите внимание: визуальное оформление, диаграммы и макет могут отображаться иначе в Google Документах или Таблицах.

Чтобы обеспечить корректное отображение и полную работоспособность, рекомендуем открывать файлы в Microsoft Word, PowerPoint или Excel.
Made on
Tilda