algeria_economy <- global_economy |>
filter(Country == "Algeria")
algeria_economy |>
autoplot(Exports) +
labs(x = "Anno", y = "% del GDP", title = "Esportazioni: Algeria")
Il lisciamento esponenziale (exponential smoothing) è stato proposto alla fine degli anni 50 (Brown, 1959; Holt, 1957; Winters, 1960), e si è rivelato essere uno dei metodi di previsione di maggiore successo. Le previsioni prodotte usando i metodi di lisciamento esponenziale sono medie ponderate di osservazioni passate, in cui i pesi decrescono esponenzialmente quanto più le osservazioni diventano vecchie. In altri termini, più un’osservazione è recente, più è alto il peso associato. Questa tecnica produce previsioni affidabili in maniera rapida e per un’ampia varietà di serie storiche, il che è un gran vantaggio ed è di primaria importanza per le applicazioni in ambito industriale.
Questo capitolo si divide in due parti. Nella prima parte (paragrafi 8.1–8.4) viene presentata la meccanica dei più importanti metodi di lisciamento esponenziale, e la loro applicazione per prevedere serie storiche con caratteristiche diverse. Questo aiuta a dare una spiegazione intuitiva del funzionamento di questi metodi. In questa impostazione, la selezione e l’utilizzo di un metodo di previsione può sembrare alquanto ad hoc. La scelta del metodo si basa generalmente sul riconoscimento delle componenti chiave delle serie storiche (trend e stagionalità) e sul modo in cui queste entrano nel metodo di lisciamento (ad esempio, in modo additivo, smorzato o moltiplicativo).
Nella seconda parte del Capitolo (paragrafi 8.5–8.7) vengono presentati i modelli statistici che stanno alla base dei metodi di lisciamento esponenziale. Questi modelli generano previsioni puntuali identiche ai metodi discussi nella prima parte del capitolo, ma producono anche intervalli di previsione. Inoltre, questo quadro statistico consente un’autentica selezione del modello tra modelli concorrenti.
Il più semplice dei metodi di lisciamento esponenziale è semplicemente chiamato lisciamento esponenziale semplice (simple exponential smoothing, SES)1. Questo metodo è adatto per la previsione di dati che non hanno una chiara tendenza o non contengono componenti stagionali. Ad esempio, i dati in figura 8.1 non mostrano alcuna chiara tendenza o stagionalità. (C’è un calo negli ultimi anni, che potrebbe suggerire un trend. Si considererà più avanti in questo capitolo l’opportunità di usare un metodo con trend per questa serie). Sono stati già considerato il metodo naive e la media come possibili metodi per la previsione di tali dati (paragrafo 5.2).
algeria_economy <- global_economy |>
filter(Country == "Algeria")
algeria_economy |>
autoplot(Exports) +
labs(x = "Anno", y = "% del GDP", title = "Esportazioni: Algeria")
Usando il metodo naive, tutte le previsioni per il futuro sono uguali all’ultimo valore osservato della serie, \hat{y}_{T+h|T} = y_{T}, per h=1,2,\dots. Pertanto, il metodo naive presuppone che l’osservazione più recente sia l’unica importante e che tutte le osservazioni precedenti non forniscano informazioni per il futuro. Questo può essere considerato come una media ponderata in cui tutto il peso viene assegnato all’ultima osservazione.
Usando il metodo della media, tutte le previsioni future sono uguali ad una media semplice dei dati osservati, \hat{y}_{T+h|T} = \frac1T \sum_{t=1}^T y_t, per h=1,2,\dots. Pertanto, il metodo della media assume che tutte le osservazioni abbiano la stessa importanza e attribuisce loro lo stesso peso nel calcolo delle previsioni.
Spesso si è interessati a qualcosa tra questi due estremi. Ad esempio, può essere ragionevole attribuire pesi maggiori alle osservazioni più recenti rispetto alle osservazioni più lontante nel passato. Questo è esattamente il concetto alla base del lisciamento esponenziale semplice. Le previsioni vengono calcolate utilizzando delle medie ponderate, in cui i pesi diminuiscono in modo esponenziale man mano che le osservazioni provengono da più lontano — i pesi più piccoli sono associati alle osservazioni più vecchie: \hat{y}_{T+1|T} = \alpha \, y_T + \alpha \, (1-\alpha) \, y_{T-1} + \alpha \, (1-\alpha)^2 \, y_{T-2}+ \cdots, \tag{8.1} dove 0 \le \alpha \le 1 è il parametro di lisciamento. La previsione un passo avanti per il tempo T+1 è una media ponderata di tutte le osservazioni della serie y_1,\dots,y_T. La velocità con cui i pesi diminuiscono è controllata dal parametro \alpha.
La tabella seguente mostra i pesi assegnati alle osservazioni per quattro diversi valori di \alpha quando si fa una previsione usando il lisciamento esponenziale semplice. Si noti che la somma dei pesi, anche per un valore piccolo di \alpha, sarà approssimativamente pari a uno per ogni ragionevole dimensione del campione.
| \alpha=0.2 | \alpha=0.4 | \alpha=0.6 | \alpha=0.8 | |
|---|---|---|---|---|
| y_{T} | 0.2000 | 0.4000 | 0.6000 | 0.8000 |
| y_{T-1} | 0.1600 | 0.2400 | 0.2400 | 0.1600 |
| y_{T-2} | 0.1280 | 0.1440 | 0.0960 | 0.0320 |
| y_{T-3} | 0.1024 | 0.0864 | 0.0384 | 0.0064 |
| y_{T-4} | 0.0819 | 0.0518 | 0.0154 | 0.0013 |
| y_{T-5} | 0.0655 | 0.0311 | 0.0061 | 0.0003 |
Per \alpha compreso tra 0 e 1, i pesi associati alle osservazioni diminuiscono esponenzialmente man mano che si torna indietro nel tempo, da qui il nome “lisciamento esponenziale”. Se \alpha è piccolo (cioè vicino a 0), viene dato più peso alle osservazioni più lontane nel passato (rispetto a valori di \alpha maggiori). Se \alpha è grande (cioè vicino a 1), viene dato più peso alle osservazioni più recenti. Per il caso estremo in cui \alpha=1, \hat{y}_{T+1|T}=y_T e le previsioni sono uguali a quelle naive.
Si presentano di seguito due forme equivalenti di lisciamento esponenziale semplice, ciascuna delle quali porta all’equazione di previsione 8.1.
La previsione al tempo T+1 è uguale ad una media ponderata tra l’osservazione più recente y_T e la previsione precedente \hat{y}_{T|T-1}: \hat{y}_{T+1|T} = \alpha \, y_T + (1-\alpha) \, \hat{y}_{T|T-1}, dove 0 \le \alpha \le 1 è il parametro di lisciamento. Analogamente, i valori stimati possono essere scritti come \hat{y}_{t+1|t} = \alpha \, y_t + (1-\alpha) \, \hat{y}_{t|t-1}, per t=1,\dots,T. (Si ricorda che i valori stimati sono semplicemente previsioni ad un passo dei dati del training set).
Il processo deve iniziare da qualche parte; si indica pertanto con \ell_0 il primo valore stimato al tempo 1 (che bisognerà stimare). Pertanto \begin{align*} \hat{y}_{2|1} &= \alpha y_1 + (1-\alpha) \ell_0\\ \hat{y}_{3|2} &= \alpha y_2 + (1-\alpha) \hat{y}_{2|1}\\ \hat{y}_{4|3} &= \alpha y_3 + (1-\alpha) \hat{y}_{3|2}\\ \vdots\\ \hat{y}_{T|T-1} &= \alpha y_{T-1} + (1-\alpha) \hat{y}_{T-1|T-2}\\ \hat{y}_{T+1|T} &= \alpha y_T + (1-\alpha) \hat{y}_{T|T-1}. \end{align*} Sostituendo ciascuna equazione nell’equazione seguente, si ottiene \begin{align*} \hat{y}_{3|2} & = \alpha y_2 + (1-\alpha) \left[\alpha y_1 + (1-\alpha) \ell_0\right] \\ & = \alpha y_2 + \alpha(1-\alpha) y_1 + (1-\alpha)^2 \ell_0 \\ \hat{y}_{4|3} & = \alpha y_3 + (1-\alpha) [\alpha y_2 + \alpha(1-\alpha) y_1 + (1-\alpha)^2 \ell_0]\\ & = \alpha y_3 + \alpha(1-\alpha) y_2 + \alpha(1-\alpha)^2 y_1 + (1-\alpha)^3 \ell_0 \\ & ~~\vdots \\ \hat{y}_{T+1|T} & = \sum_{j=0}^{T-1} \alpha(1-\alpha)^j y_{T-j} + (1-\alpha)^T \ell_{0}. \end{align*} L’ultimo termine diventa trascurabile per T grande. Pertanto, la forma tramite media ponderata porta alla stessa equazione di previsione 8.1.
Una rappresentazione alternativa è la forma per componenti. Per il lisciamento esponenziale semplice, l’unica componente considerata è il livello \ell_t. (Altri metodi che verranno considerati più avanti in questo capitolo possono comprendere anche un trend b_t e una componente stagionale s_t). Le rappresentazioni delle componenti nei metodi di lisciamento esponenziale comprendono un’equazione di previsione ed un’equazione di lisciamento per ciascuna delle componenti incluse nel metodo. La forma per componenti del lisciamento esponenziale semplice è data da: \begin{align*} \text{Equazione di previsione} && \hat{y}_{t+h|t} & = \ell_{t}\\ \text{Equazione di lisciamento} && \ell_{t} & = \alpha \, y_{t} + (1 - \alpha) \, \ell_{t-1}, \end{align*} dove \ell_{t} è il livello (o valore lisciato) della serie al tempo t. Fissando h=1 si ottengono i valori stimati, mentre fissando t=T si ottengono le vere previsioni, riferite cioè a tempi successivi a quelli del training set.
L’equazione di previsione mostra che il valore della previsione al tempo t+1 è il livello stimato al tempo t. L’equazione di lisciamento per il livello (di solito indicata come equazione del livello) fornisce il livello stimato della serie per ciascun periodo t.
Se nell’equazione di lisciamento si sostituisce \ell_t con \hat{y}_{t+1|t} e \ell_{t-1} con \hat{y}_{t|t-1}, si ottenie la forma media ponderata del lisciamento esponenziale semplice.
La forma per componenti del lisciamento esponenziale semplice non è particolarmente utile da sola, ma sarà la forma più semplice da utilizzare quando si inizieranno ad aggiungere altre componenti.
Il lisciamento esponenziale semplice fornisce una funzione di previsione “piatta”: \hat{y}_{T+h|T} = \hat{y}_{T+1|T}=\ell_T, \qquad h=2,3,\dots. In altre parole, tutte le previsioni assumono lo stesso valore, uguale all’ultima componente del livello. Si noti che queste previsioni saranno adatte solo se la serie storica non presenta né trend né componente stagionale.
L’applicazione di ogni metodo di lisciamento esponenziale richiede la scelta dei parametri di lisciamento e dei valori iniziali. In particolare, per il lisciamento esponenziale semplice, è necessario scegliere i valori di \alpha e \ell_0. Tutte le previsioni possono essere calcolate dai dati una volta che si conoscono questi valori. Per i metodi che seguono di solito c’è più di un parametro di lisciamento e più di una componente iniziale da scegliere.
In alcuni casi, i parametri di lisciamento possono essere scelti in modo soggettivo — il previsore specifica il valore dei parametri di lisciamento in base all’esperienza precedente. Tuttavia, un modo più affidabile e oggettivo per ottenere valori per i parametri incogniti è quello di stimarli dai dati osservati.
Nel paragrafo 7.2, i coefficienti di un modello di regressione sono stati stimati minimizzando la somma dei residui al quadrato (solitamente nota come Sum of Squared Errors, SSE). Allo stesso modo, i parametri incogniti e i valori iniziali per qualsiasi metodo di lisciamento esponenziale possono essere stimati minimizzando l’SSE. I residui sono specificati come e_t=y_t - \hat{y}_{t|t-1} per t=1,\dots,T. Si cercano quindi i valori dei parametri incogniti e i valori iniziali che minimizzano
\text{SSE}=\sum_{t=1}^T(y_t - \hat{y}_{t|t-1})^2=\sum_{t=1}^Te_t^2. \tag{8.2}
A differenza del caso della regressione (per il quale sono disponibili formule che forniscono i valori dei coefficienti di regressione che minimizzano l’SSE), questo comporta un problema di minimizzazione non lineare, ed è necessario ricorrere ad uno strumento di ottimizzazione per risolverlo.
In questo esempio, il lisciamento esponenziale semplice viene usato per prevedere le esportazioni di beni e servizi dell’Algeria.
# Stima dei parametri
fit <- algeria_economy |>
model(ETS(Exports ~ error("A") + trend("N") + season("N")))
fc <- fit |>
forecast(h = 5)Questo modello fornisce stime dei parametri pari a \hat\alpha=0.84 e \hat\ell_0=39.5, ottenute minimizzando SSE nel periodo t=1,2,\dots,58, col vincolo 0\le\alpha\le1.
Nella tabella 8.1 viene mostrato il calcolo utilizzando questi parametri. La penultima colonna mostra il livello stimato per i tempi da t=0 a t=58; le ultime righe dell’ultima colonna mostrano le previsioni per h=1 fino a 5 passi avanti.
| Anno | Tempo | Osservazione | Livello | Previsione |
|---|---|---|---|---|
| t | y_t | \ell_t | \hat{y}_{t\vert t-1} | |
| 1959 | 0 | 39.54 | ||
| 1960 | 1 | 39.04 | 39.12 | 39.54 |
| 1961 | 2 | 46.24 | 45.10 | 39.12 |
| 1962 | 3 | 19.79 | 23.84 | 45.10 |
| 1963 | 4 | 24.68 | 24.55 | 23.84 |
| 1964 | 5 | 25.08 | 25.00 | 24.55 |
| 1965 | 6 | 22.60 | 22.99 | 25.00 |
| 1966 | 7 | 25.99 | 25.51 | 22.99 |
| 1967 | 8 | 23.43 | 23.77 | 25.51 |
| ⋮ | ⋮ | ⋮ | ⋮ | |
| 2014 | 55 | 30.22 | 30.80 | 33.85 |
| 2015 | 56 | 23.17 | 24.39 | 30.80 |
| 2016 | 57 | 20.86 | 21.43 | 24.39 |
| 2017 | 58 | 22.64 | 22.44 | 21.43 |
| h | \hat{y}_{T+h\vert T} | |||
| 2018 | 1 | 22.44 | ||
| 2019 | 2 | 22.44 | ||
| 2020 | 3 | 22.44 | ||
| 2021 | 4 | 22.44 | ||
| 2022 | 5 | 22.44 |
La linea nera in figura 8.2 mostra i dati, che presentano un livello che cambia nel tempo.
fc |>
autoplot(algeria_economy) +
geom_line(aes(y = .fitted), col = "#D55E00", data = augment(fit)) +
labs(x = "Anno", y = "% del GDP", title = "Esportazioni: Algeria") +
guides(colour = "none", fill_ramp = guide_legend(title = "Livello"))
Le previsioni per il periodo 2018–2022 sono rappresentate in figura 8.2 accanto ai dati del periodo 1960–2017. Sono tracciati anche i valori stimati un passo avanti. Il valore elevato di \alpha in questo esempio si riflette nel grande aggiustamento che ha luogo nel livello stimato \ell_t ad ogni tempo. Un valore più piccolo di \alpha porterebbe a cambiamenti minori nel tempo, e quindi la serie di valori stimati sarebbe più liscia.
Gli intervalli di previsione mostrati qui sono calcolati usando i metodi descritti nel paragrafo 8.7. Gli intervalli di previsione mostrano che c’è una considerevole incertezza nelle esportazioni future per i cinque anni del periodo di previsione. Interpretare le previsioni puntuali senza tenere conto di questa grande incertezza può essere quindi molto fuorviante.
Holt (1957) ha esteso il lisciamento esponenziale semplice per consentire la previsione di dati con un trend. Questo metodo comporta un’equazione di previsione e due equazioni di lisciamento (una per il livello e una per il trend): \begin{align*} \text{Equazione di previsione}&& \hat{y}_{t+h|t} &= \ell_{t} + h \, b_{t} \\ \text{Equazione del livello} && \ell_{t} &= \alpha \, y_{t} + (1 - \alpha)(\ell_{t-1} + b_{t-1})\\ \text{Equazione del trend} && b_{t} &= \beta^*(\ell_{t} - \ell_{t-1}) + (1 -\beta^*) \, b_{t-1}, \end{align*} dove \ell_t denota una stima del livello della serie al tempo t, b_t denota una stima del trend (pendenza) della serie al tempo t, \alpha è il parametro di lisciamento per il livello, 0\le\alpha\le1, e \beta^* è il parametro di lisciamento per il trend, 0\le\beta^*\le1. (Si utilizza per quest’ultimo \beta^* invece di \beta per ragioni che saranno spiegate nel paragrafo 8.5.
Come per il lisciamento esponenziale semplice, l’equazione del livello mostra qui che \ell_t è una media ponderata dell’osservazione y_t e della previsione un passo avanti per il tempo t ottenuta usando i dati del training set, fornita qui da \ell_{t-1} + b_{t-1}. L’equazione del trend mostra che b_t è una media ponderata del trend stimato al tempo t basato su \ell_{t} - \ell_{t-1} e b_{t-1}, la stima precedente del trend.
La funzione di previsione non è più piatta, ma tendenziale. La previsione h passi avanti è uguale all’ultimo livello stimato più h volte l’ultimo valore del trend stimato. Quindi le previsioni sono una funzione lineare di h.
aus_economy <- global_economy |>
filter(Code == "AUS") |>
mutate(Pop = Population / 1e6)
autoplot(aus_economy, Pop) +
labs(x = "Anno", y = "Milioni", title = "Popolazione australiana")
La figura 8.3 mostra la popolazione annuale dell’Australia dal 1960 al 2017. Si applicherà il metodo di Holt a questa serie. I parametri di lisciamento, \alpha e \beta^*, e i valori iniziali \ell_0 e b_0 sono stimati minimizzando l’SSE per gli errori di previsione ad un passo del training set come nel paragrafo 8.1.
fit <- aus_economy |>
model(
AAN = ETS(Pop ~ error("A") + trend("A") + season("N"))
)
fc <- fit |> forecast(h = 10)Il coefficiente di lisciamento stimato per il livello è \hat{\alpha} = 0.9999. Il valore molto alto mostra che il livello cambia rapidamente per catturare il forte trend della serie. Il coefficiente di lisciamento stimato per la pendenza è \hat{\beta}^* = 0.3267. Questo è relativamente grande e suggerisce che il trend cambia spesso (anche se i cambiamenti sono di ridotta entità).
Questi valori sono utilizzati nella tabella 8.2 per mostrare un’applicazione del metodo di Holt.
| Anno | Tempo | Osservazione | Livello | Pendenza | Previsione |
|---|---|---|---|---|---|
| t | y_t | \ell_t | \hat{y}_{t+1\mid t} | ||
| 1959 | 0 | 10.05 | 0.22 | ||
| 1960 | 1 | 10.28 | 10.28 | 0.22 | 10.28 |
| 1961 | 2 | 10.48 | 10.48 | 0.22 | 10.50 |
| 1962 | 3 | 10.74 | 10.74 | 0.23 | 10.70 |
| 1963 | 4 | 10.95 | 10.95 | 0.22 | 10.97 |
| 1964 | 5 | 11.17 | 11.17 | 0.22 | 11.17 |
| 1965 | 6 | 11.39 | 11.39 | 0.22 | 11.39 |
| 1966 | 7 | 11.65 | 11.65 | 0.23 | 11.61 |
| ⋮ | ⋮ | ⋮ | ⋮ | ⋮ | |
| 2014 | 55 | 23.50 | 23.50 | 0.37 | 23.52 |
| 2015 | 56 | 23.85 | 23.85 | 0.36 | 23.87 |
| 2016 | 57 | 24.21 | 24.21 | 0.36 | 24.21 |
| 2017 | 58 | 24.60 | 24.60 | 0.37 | 24.57 |
| h | \hat{y}_{T+h\mid T} | ||||
| 2018 | 1 | 24.97 | |||
| 2019 | 2 | 25.34 | |||
| 2020 | 3 | 25.71 | |||
| 2021 | 4 | 26.07 | |||
| 2022 | 5 | 26.44 | |||
| 2023 | 6 | 26.81 | |||
| 2024 | 7 | 27.18 | |||
| 2025 | 8 | 27.55 | |||
| 2026 | 9 | 27.92 | |||
| 2027 | 10 | 28.29 |
Le previsioni prodotte con il metodo di Holt lineare mostrano un trend costante (crescente o decrescente) indefinitamente nel futuro. L’evidenza empirica indica che questi metodi tendono a sovrastimare, specialmente per orizzonti di previsione più lunghi. Partendo da questa osservazione, Gardner & McKenzie (1985) hanno introdotto un parametro che “smorza” il trend ad una linea piatta in un certo momento nel futuro. I metodi che includono un trend smorzato hanno dimostrato di avere molto successo e sono probabilmente i metodi individuali più popolari quando si richiedono previsioni in modo automatico per molte serie.
Insieme ai parametri di lisciamento \alpha e \beta^* (con valori tra 0 e 1 come nel metodo di Holt), questo metodo include anche un parametro di smorzamento 0<\phi<1: \begin{align*} \hat{y}_{t+h|t} &= \ell_{t} + (\phi+\phi^2 + \dots + \phi^{h}) \, b_{t} \\ \ell_{t} &= \alpha \, y_{t} + (1 - \alpha)(\ell_{t-1} + \phi \, b_{t-1})\\ b_{t} &= \beta^*(\ell_{t} - \ell_{t-1}) + (1 -\beta^*)\, \phi \, b_{t-1}. \end{align*} Se \phi=1, il metodo è identico al metodo di Holt lineare. Per valori compresi tra 0 e 1, \phi smorza il trend in modo che si avvicini ad una costante nel futuro. Infatti, le previsioni convergono a \ell_T + \phi \, b_T/(1-\phi) per h\rightarrow\infty per qualsiasi valore 0<\phi<1. Questo significa che le previsioni a breve termine sono dotate di trend mentre quelle a lungo termine sono costanti.
In pratica, \phi è raramente inferiore a 0.8 poiché lo smorzamento ha un effetto molto forte per valori più piccoli. Valori di \phi vicini a 1 indicano che un modello smorzato non è in grado di essere distinto da un modello non smorzato. Per queste ragioni, di solito si limita \phi ad un minimo di 0.8 e ad un massimo di 0.98.
La figura 8.4 mostra le previsioni per gli anni 2018–2032 generate dal metodo di Holt con trend lineare e con trend smorzato.
aus_economy |>
model(
`Metodo di Holt` = ETS(
Pop ~ error("A") +
trend("A") +
season("N")
),
`Metodo di Holt smorzato` = ETS(
Pop ~ error("A") +
trend("Ad", phi = 0.9) +
season("N")
)
) |>
forecast(h = 15) |>
autoplot(aus_economy, level = NULL) +
labs(title = "Popolazione australiana", y = "Milioni", x = "Anno") +
guides(colour = guide_legend(title = "Previsione"))
È stato assegnato al parametro di smorzamento un valore (\phi=0.90) tale da esagerare l’effetto dello smorzamento, per effettuare il confronto col metodo senza smorzamento. Di solito, \phi viene stimato insieme agli altri parametri. Si è anche utilizzato un orizzonte di previsione piuttosto grande (h=15) per evidenziare la differenza tra un trend smorzato e un trend lineare.
In questo esempio, si confrontano le previsioni ottenute dai tre metodi di lisciamento esponenziale considerati finora, per la serie del numero di utenti connessi ad Internet tramite un server. I dati sono osservati su 100 minuti e sono mostrati in figura 8.5.
www_usage <- as_tsibble(WWWusage)
www_usage |>
autoplot(value) +
labs(x = "Minuto", y = "Numero di utenti", title = "Uso di Internet")
Si utilizza la tecnica della cross validation per serie temporali per confrontare l’accuratezza della previsione ad un passo dei tre metodi.
www_usage |>
stretch_tsibble(.init = 10) |>
model(
SES = ETS(value ~ error("A") + trend("N") + season("N")),
Holt = ETS(value ~ error("A") + trend("A") + season("N")),
Damped = ETS(value ~ error("A") + trend("Ad") + season("N"))
) |>
forecast(h = 1) |>
accuracy(www_usage)# A tibble: 3 × 10
.model .type ME RMSE MAE MPE MAPE MASE RMSSE ACF1
<chr> <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1 Damped Test 0.288 3.69 3.00 0.347 2.26 0.663 0.636 0.336
2 Holt Test 0.0610 3.87 3.17 0.244 2.38 0.701 0.668 0.296
3 SES Test 1.46 6.05 4.81 0.904 3.55 1.06 1.04 0.803
Il metodo di Holt smorzato è il migliore se si confrontano i valori di MAE o RMSE. Si procede quindi con l’utilizzo del metodo di Holt smorzato applicandolo all’intero insieme di dati per ottenere previsioni per i minuti futuri.
fit <- www_usage |>
model(
Damped = ETS(value ~ error("A") + trend("Ad") + season("N"))
)
# Parametri stimati:
tidy(fit)# A tibble: 5 × 3
.model term estimate
<chr> <chr> <dbl>
1 Damped alpha 1.000
2 Damped beta 0.997
3 Damped phi 0.815
4 Damped l[0] 90.4
5 Damped b[0] -0.0173
Il parametro di lisciamento per la pendenza è stimato essere quasi uno, indicando che la tendenza cambia per riflettere principalmente la pendenza tra gli ultimi due minuti di utilizzo di Internet. Il valore di \alpha è molto vicino a uno, mostrando che il livello reagisce fortemente ad ogni nuova osservazione.
fit |>
forecast(h = 10) |>
autoplot(www_usage) +
labs(x = "Minuto", y = "Numero di utenti", title = "Uso di Internet") +
guides(fill_ramp = guide_legend(title = "Livello"))
Le previsioni risultanti sembrano sensate, con un trend decrescente, che si appiattisce a causa del basso valore del parametro di smorzamento (0.815), ed intervalli di previsione relativamente ampi che riflettono la variazione dei dati storici. Gli intervalli di previsione sono calcolati usando i metodi descritti nel paragrafo 8.7.
In questo esempio, il processo di selezione di un metodo è stato relativamente semplice, perché entrambi i confronti tramite MSE e MAE hanno suggerito lo stesso metodo (Holt smorzato). Tuttavia, a volte diverse misure di accuratezza suggeriscono diversi metodi di previsione ed è quindi necessario decidere quale metodo di previsione utilizzare. Poiché gli obiettivi della previsione possono variare a seconda di svariati aspetti (lunghezza dell’orizzonte di previsione, dimensione del test set, misure dell’errore di previsione, frequenza dei dati, ecc.), è improbabile che un metodo sia migliore di tutti gli altri per tutti gli scenari di previsione. Ciò che si richiede ad un metodo di previsione è che fornisca previsioni coerentemente sensate. Tali previsioni dovrebbero essere inoltre valutate anche rispetto all’obiettivo da raggiungere.
Holt (1957) e Winters (1960) hanno esteso il metodo di Holt per catturare la stagionalità. Il metodo stagionale di Holt-Winters comprende l’equazione di previsione e tre equazioni di lisciamento, una per il livello \ell_t, una per il trend b_t e una per la componente stagionale s_t, con i corrispondenti parametri di lisciamento \alpha, \beta^* e \gamma. Si utilizza m per indicare il periodo della stagionalità, cioè il numero di stagioni in un anno. Ad esempio, m=4 per i dati trimestrali, e m=12 per i dati mensili.
Ci sono due varianti di questo metodo che differiscono nella natura della componente stagionale. Il metodo additivo è preferibile quando le variazioni stagionali sono approssimativamente costanti lungo la serie, mentre il metodo moltiplicativo è preferibile quando le variazioni stagionali cambiano proporzionalmente al livello della serie. Con il metodo additivo, la componente stagionale è espressa in termini assoluti nella scala della serie osservata, e nell’equazione di livello la serie è destagionalizzata sottraendo la componente stagionale. All’interno di ogni anno, la componente stagionale sommerà approssimativamente a zero. Con il metodo moltiplicativo, la componente stagionale è espressa in termini relativi (percentuali), e la serie viene destagionalizzata dividendo per la componente stagionale. All’interno di ogni anno, la componente stagionale sommerà circa ad m.
La forma per componenti per il metodo additivo è: \begin{align*} \hat{y}_{t+h|t} &= \ell_{t} + h \, b_{t} + s_{t+h-m(k+1)} \\ \ell_{t} &= \alpha \, (y_{t} - s_{t-m}) + (1 - \alpha)(\ell_{t-1} + b_{t-1})\\ b_{t} &= \beta^*(\ell_{t} - \ell_{t-1}) + (1 - \beta^*) \, b_{t-1}\\ s_{t} &= \gamma \, (y_{t}-\ell_{t-1}-b_{t-1}) + (1-\gamma) \, s_{t-m}, \end{align*} dove k è la parte intera di (h-1)/m, che assicura che le stime degli indici stagionali usati per la previsione provengano dall’ultimo anno del campione. L’equazione del livello si presenta come una media ponderata tra l’osservazione destagionalizzata (y_{t} - s_{t-m}) e la previsione non stagionale (\ell_{t-1}+b_{t-1}) per il tempo t. L’equazione del trend è identica al metodo di Holt lineare. L’equazione della stagionalità mostra una media ponderata tra l’indice stagionale corrente, (y_{t}-\ell_{t-1}-b_{t-1}), e l’indice stagionale della stessa stagione dell’anno precedente (cioè m periodi di tempo prima).
L’equazione per la componente stagionale è spesso espressa come s_{t} = \gamma^* (y_{t}-\ell_{t})+ (1-\gamma^*)s_{t-m}. Se si sostituisce ad \ell_t l’espressione fornita dall’equazione di lisciamento per il livello della forma per componenti di cui sopra, si ottiene s_{t} = \gamma^*(1-\alpha) (y_{t}-\ell_{t-1}-b_{t-1})+ [1-\gamma^*(1-\alpha)]s_{t-m}, che è identica all’equazione di lisciamento per la componente stagionale che si sta specificando qui, con \gamma=\gamma^*(1-\alpha). L’usuale restrizione sui parametri è 0\le\gamma^*\le1, che si traduce in 0\le\gamma\le 1-\alpha.
La forma per componenti per il metodo moltiplicativo è: \begin{align*} \hat{y}_{t+h|t} &= (\ell_{t} + h \, b_{t}) \,s_{t+h-m(k+1)} \\ \ell_{t} &= \alpha \, \frac{y_{t}}{s_{t-m}} + (1 - \alpha)(\ell_{t-1} + b_{t-1})\\ b_{t} &= \beta^*(\ell_{t}-\ell_{t-1}) + (1 - \beta^*) \, b_{t-1} \\ s_{t} &= \gamma \, \frac{y_{t}}{(\ell_{t-1} + b_{t-1})} + (1 - \gamma) \, s_{t-m}. \end{align*}
Si applica ora il metodo di Holt-Winters con stagionalità sia additiva che moltiplicativa2 per prevedere i pernottamenti trimestrali dei visitatori in Australia effettuati dai turisti nazionali. La figura 8.7 mostra i dati dal 1998–2017, e le previsioni per il 2018–2020. I dati mostrano un ovvio andamento stagionale, con picchi osservati nel trimestre di marzo di ogni anno, corrispondente all’estate australiana.
aus_holidays <- tourism |>
filter(Purpose == "Holiday") |>
summarise(Trips = sum(Trips) / 1e3)
fit <- aus_holidays |>
model(
additive = ETS(Trips ~ error("A") + trend("A") + season("A")),
multiplicative = ETS(Trips ~ error("M") + trend("A") + season("M"))
)
fc <- fit |> forecast(h = "3 years")
fc |>
autoplot(aus_holidays, level = NULL) +
labs(
title = "Turismo interno australiano",
x = "Trimestre",
y = "Viaggi con pernottamenti (milioni)"
) +
guides(colour = guide_legend(title = "Previsione"))
| Trimestre | Tempo | Osservazione | Livello | Pendenza | Stagione | Previsione |
|---|---|---|---|---|---|---|
| t | y_t | \ell_t | b_t | s_t | \hat{y}_{t+1\vert t} | |
| 1997 Q1 | 0 | 1.5 | ||||
| 1997 Q2 | 1 | -0.3 | ||||
| 1997 Q3 | 2 | -0.7 | ||||
| 1997 Q4 | 3 | 9.8 | 0.0 | -0.5 | ||
| 1998 Q1 | 4 | 11.8 | 9.9 | 0.0 | 1.5 | 11.3 |
| 1998 Q2 | 5 | 9.3 | 9.9 | 0.0 | -0.3 | 9.7 |
| 1998 Q3 | 6 | 8.6 | 9.7 | -0.0 | -0.7 | 9.2 |
| 1998 Q4 | 7 | 9.3 | 9.8 | 0.0 | -0.5 | 9.2 |
| ⋮ | ⋮ | ⋮ | ⋮ | ⋮ | ⋮ | |
| 2017 Q1 | 80 | 12.4 | 10.9 | 0.1 | 1.5 | 12.3 |
| 2017 Q2 | 81 | 10.5 | 10.9 | 0.1 | -0.3 | 10.7 |
| 2017 Q3 | 82 | 10.5 | 11.0 | 0.1 | -0.7 | 10.3 |
| 2017 Q4 | 83 | 11.2 | 11.3 | 0.1 | -0.5 | 10.6 |
| h | \hat{y}_{T+h\vert T} | |||||
| 2018 Q1 | 1 | 12.9 | ||||
| 2018 Q2 | 2 | 11.2 | ||||
| 2018 Q3 | 3 | 11.0 | ||||
| 2018 Q4 | 4 | 11.2 | ||||
| 2019 Q1 | 5 | 13.4 | ||||
| 2019 Q2 | 6 | 11.7 | ||||
| 2019 Q3 | 7 | 11.5 | ||||
| 2019 Q4 | 8 | 11.7 | ||||
| 2020 Q1 | 9 | 13.9 | ||||
| 2020 Q2 | 10 | 12.2 | ||||
| 2020 Q3 | 11 | 11.9 | ||||
| 2020 Q4 | 12 | 12.2 |
| Trimestre | Tempo | Osservazione | Livello | Pendenza | Stagione | Previsione |
|---|---|---|---|---|---|---|
| t | y_t | \ell_t | b_t | s_t | \hat{y}_{t+1\vert t} | |
| 1997 Q1 | 0 | 1.2 | ||||
| 1997 Q2 | 1 | 1.0 | ||||
| 1997 Q3 | 2 | 0.9 | ||||
| 1997 Q4 | 3 | 10.0 | -0.0 | 0.9 | ||
| 1998 Q1 | 4 | 11.8 | 10.0 | -0.0 | 1.2 | 11.6 |
| 1998 Q2 | 5 | 9.3 | 9.9 | -0.0 | 1.0 | 9.7 |
| 1998 Q3 | 6 | 8.6 | 9.8 | -0.0 | 0.9 | 9.2 |
| 1998 Q4 | 7 | 9.3 | 9.8 | -0.0 | 0.9 | 9.2 |
| ⋮ | ⋮ | ⋮ | ⋮ | ⋮ | ⋮ | |
| 2017 Q1 | 80 | 12.4 | 10.8 | 0.1 | 1.2 | 12.6 |
| 2017 Q2 | 81 | 10.5 | 10.9 | 0.1 | 1.0 | 10.6 |
| 2017 Q3 | 82 | 10.5 | 11.1 | 0.1 | 0.9 | 10.2 |
| 2017 Q4 | 83 | 11.2 | 11.3 | 0.1 | 0.9 | 10.5 |
| h | \hat{y}_{T+h\vert T} | |||||
| 2018 Q1 | 1 | 13.3 | ||||
| 2018 Q2 | 2 | 11.2 | ||||
| 2018 Q3 | 3 | 10.8 | ||||
| 2018 Q4 | 4 | 11.1 | ||||
| 2019 Q1 | 5 | 13.8 | ||||
| 2019 Q2 | 6 | 11.7 | ||||
| 2019 Q3 | 7 | 11.3 | ||||
| 2019 Q4 | 8 | 11.6 | ||||
| 2020 Q1 | 9 | 14.4 | ||||
| 2020 Q2 | 10 | 12.2 | ||||
| 2020 Q3 | 11 | 11.7 | ||||
| 2020 Q4 | 12 | 12.1 |
Le applicazioni di entrambi i metodi (con stagionalità additiva e moltiplicativa) sono presentate rispettivamente nelle tabelle 8.3 e 8.4. Poiché entrambi i metodi hanno esattamente lo stesso numero di parametri da stimare, è possibile confrontare l’RMSE sui dati del training set di entrambi i modelli. In questo caso, il metodo con stagionalità moltiplicativa si adatta ai dati leggermente meglio.
Le componenti stimate per entrambi i modelli sono rappresentate nella figura 8.8. Il piccolo valore di \gamma per il modello moltiplicativo denota che la componente stagionale difficilmente cambia nel tempo. Il piccolo valore di \beta^{*} indica invece che la componente di pendenza difficilmente cambia nel tempo (si confrontino le scale verticali delle componenti di pendenza e di livello).
Si può utilizzare lo smorzamento sia nella versione additiva sia in quella moltiplicativa del metodo di Holt-Winters. Un metodo che spesso fornisce previsioni accurate e robuste per i dati stagionali è il metodo di Holt-Winters con trend smorzato e stagionalità moltiplicativa: \begin{align*} \hat{y}_{t+h|t} &= \left[\ell_{t} + (\phi+\phi^2 + \dots + \phi^{h}) \, b_{t}\right]s_{t+h-m(k+1)} \\ \ell_{t} &= \alpha \, (y_{t} / s_{t-m}) + (1 - \alpha)(\ell_{t-1} + \phi \, b_{t-1})\\ b_{t} &= \beta^*(\ell_{t} - \ell_{t-1}) + (1 - \beta^*) \, \phi \, b_{t-1} \\ s_{t} &= \gamma \, \frac{y_{t}}{(\ell_{t-1} + \phi \, b_{t-1})} + (1 - \gamma) \, s_{t-m}. \end{align*}
Il metodo di Holt-Winters può anche essere usato per dati di tipo giornaliero, dove il periodo stagionale è m=7, e l’unità di tempo appropriata per h è in giorni. Si prevede qui il traffico pedonale in un’affollata stazione ferroviaria di Melbourne nel luglio 2016.
sth_cross_ped <- pedestrian |>
filter(Date >= "2016-07-01", Sensor == "Southern Cross Station") |>
index_by(Date) |>
summarise(Count = sum(Count) / 1000)
sth_cross_ped |>
filter(Date <= "2016-07-31") |>
model(
hw = ETS(Count ~ error("M") + trend("Ad") + season("M"))
) |>
forecast(h = "2 weeks") |>
autoplot(sth_cross_ped |> filter(Date <= "2016-08-14")) +
labs(title = "Traffico giornaliero: Southern Cross", y = "Pedoni ('000)", x = "Data") +
guides(fill_ramp = guide_legend(title = "Livello"))
Chiaramente il modello ha identificato il modello stagionale settimanale e la tendenza all’aumento alla fine dei dati, e le previsioni sono molto vicine ai dati del test set.
I metodi di lisciamento esponenziale non si limitano a quelli presentati finora. Considerando variazioni nelle combinazioni delle componenti di trend e stagionalità, sono possibili nove metodi di lisciamento esponenziale, elencati in tabella 8.5. Ogni metodo è etichettato da una coppia di lettere (T,S) che definiscono il tipo di componenti “Trend” (T) e “Stagionalità” (S). Per esempio, (A,M) è il metodo con trend additivo e stagionalità moltiplicativa; (A_d,N) è il metodo con trend smorzato (damped) e nessuna stagionalità; e così via.
| N | A | M | |
|---|---|---|---|
| (Nessuna) | (Additiva) | (Moltiplicativa) | |
| N (Nessuna) | (N,N) | (N,A) | (N,M) |
| A (Additiva) | (A,N) | (A,A) | (A,M) |
| A_d (Additiva smorzata) | (A_d,N) | (A_d,A) | (A_d,M) |
Alcuni di questi metodi sono stati già introdotti con altri nomi:
| Abbreviazione | Metodo |
|---|---|
| (N,N) | Lisciamento esponenziale semplice |
| (A,N) | Metodo di Holt lineare |
| (A_d,N) | Metodo con trend additivo smorzato |
| (A,A) | Metodo di Holt-Winters additivo |
| (A,M) | Metodo di Holt-Winters moltiplicativo |
| (A_d,M) | Metodo di Holt-Winters smorzato |
Questo tipo di classificazione è stato proposto per la prima volta da Pegels (1969), che includeva anche un metodo con un trend moltiplicativo. In seguito è stata estesa da Gardner (1985) per includere metodi con un trend additivo smorzato e da Taylor (2003) per includere metodi con un trend moltiplicativo smorzato. In questo libro non si considerano i metodi con trend moltiplicativo perché tendono a produrre previsioni scadenti. Si veda Hyndman et al. (2008) per una discussione più approfondita su tutti i metodi di lisciamento esponenziale.
La figura 8.10 fornisce le formule ricorsive per applicare i nove metodi di lisciamento esponenziale della tabella 8.5. Ogni cella include l’equazione di previsione per generare previsioni h passi avanti, e le equazioni di lisciamento per applicare il metodo.
| Trend | Componente stagionale | ||
|---|---|---|---|
| N | A | M | |
| N | \hat{y}_{t+h|t} = \ell_t \ell_t = \alpha y_t + (1-\alpha) \ell_{t-1} | \hat{y}_{t+h|t} = \ell_t + s_{t+h-m(k+1)} \ell_t = \alpha (y_t - s_{t-m}) + (1-\alpha) \ell_{t-1} s_t = \gamma (y_t - \ell_{t-1}) + (1-\gamma) s_{t-m} | \hat{y}_{t+h|t}= \ell_ts_{t+h-m(k+1)} \ell_t = \alpha (y_t / s_{t-m}) + (1-\alpha) \ell_{t-1} s_t = \gamma (y_t / \ell_{t-1}) + (1-\gamma) s_{t-m} |
| A | \hat{y}_{t+h|t} = \ell_t+hb_t \ell_t = \alpha y_t + (1-\alpha) (\ell_{t-1}+b_{t-1}) b_t = \beta^* (\ell_t-\ell_{t-1}) + (1-\beta^*) b_{t-1} | \hat{y}_{t+h|t} = \ell_t +hb_t +s_{t+h-m(k+1)} \ell_t = \alpha (y_t - s_{t-m}) + (1-\alpha)(\ell_{t-1}+b_{t-1}) b_t = \beta^* (\ell_t-\ell_{t-1}) + (1-\beta^*) b_{t-1} s_t = \gamma (y_t - \ell_{t-1}-b_{t-1}) + (1-\gamma)s_{t-m} | \hat{y}_{t+h|t}= (\ell_t+hb_t)s_{t+h-m(k+1)} \ell_t = \alpha (y_t / s_{t-m}) + (1-\alpha)(\ell_{t-1}+b_{t-1}) b_t = \beta^* (\ell_t-\ell_{t-1}) + (1-\beta^*) b_{t-1} s_t = \gamma (y_t / (\ell_{t-1}+b_{t-1})) + (1-\gamma)s_{t-m} |
| Ad | \hat{y}_{t+h|t} = \ell_t+\phi_h b_t \ell_t = \alpha y_t + (1-\alpha) (\ell_{t-1}+\phi b_{t-1}) b_t = \beta^* (\ell_t-\ell_{t-1}) + (1-\beta^*) \phi b_{t-1} | \hat{y}_{t+h|t} = \ell_t+\phi_h b_t+s_{t+h-m(k+1)} \ell_t = \alpha (y_t - s_{t-m}) + (1-\alpha) (\ell_{t-1}+\phi b_{t-1}) b_t = \beta^* (\ell_t-\ell_{t-1}) + (1-\beta^*) \phi b_{t-1} s_t = \gamma (y_t - \ell_{t-1}-\phi b_{t-1}) + (1-\gamma)s_{t-m} | \hat{y}_{t+h|t}= (\ell_t+\phi_h b_t)s_{t+h-m(k+1)} \ell_t = \alpha (y_t / s_{t-m}) + (1-\alpha) (\ell_{t-1}+\phi b_{t-1}) b_t = \beta^* (\ell_t-\ell_{t-1}) + (1-\beta^*) \phi b_{t-1} s_t = \gamma (y_t / (\ell_{t-1}+\phi b_{t-1})) + (1-\gamma)s_{t-m} |
Nella parte restante di questo capitolo si studiano i modelli statistici che stanno alla base dei metodi di lisciamento esponenziale considerati finora. I metodi di lisciamento esponenziale presentati nella figura 8.10 sono algoritmi che generano previsioni puntuali. I modelli statistici in questo paragrafo generano le stesse previsioni puntuali, ma possono anche generare intervalli di previsione. Un modello statistico è un processo stocastico (o casuale) di generazione di dati che può produrre un’intera distribuzione di previsione. Si descriverà di seguito anche come utilizzare i criteri di selezione del modello introdotti nel capitolo 7 per scegliere il modello in modo oggettivo.
Ogni modello consiste di un’equazione di misura che descrive i dati osservati e di alcune equazioni di stato che descrivono come le componenti non osservate o gli stati (livello, trend, stagionalità) cambiano nel tempo. Quindi, ci si riferisce a questi come modelli nello spazio degli stati.
Per ogni metodo esistono due modelli: uno con errori additivi e uno con errori moltiplicativi. Le previsioni puntuali prodotte dai modelli sono identiche se utilizzano gli stessi valori dei parametri di lisciamento. Tuttavia, genereranno intervalli di previsione diversi.
Per distinguere tra un modello con errori additivi ed un modello con errori moltiplicativi (e anche per distinguere i modelli dai metodi), si aggiunge una terza lettera alla classificazione della tabella 8.5. Si etichetta ogni modello dello spazio degli stati come ETS(\cdot,\cdot,\cdot) per (Errore, Trend, Stagionalità). Questa etichetta può anche essere pensata come lisciamento esponenziale (ExponenTial Smoothing). Usando la stessa notazione della tabella 8.5, le possibilità per ogni componente (o stato) sono: Errore =\{A,M\}, Trend =\{N,A,A_d\} e Stagionalità =\{N,A,M\}.
Si ricorda la forma per componenti del lisciamento esponenziale semplice: \begin{align*} \text{Equazione di previsione} && \hat{y}_{t+1|t} & = \ell_{t}\\ \text{Equazione di lisciamento} && \ell_{t} & = \alpha \, y_{t} + (1 - \alpha)\ell_{t-1}. \end{align*} Riorganizzando l’equazione di lisciamento per il livello, si ottiene la forma “a correzione dell’errore”, \begin{align*} \ell_{t} %&= \alpha \, y_{t}+\ell_{t-1}-\alpha \, \ell_{t-1}\\ &= \ell_{t-1}+\alpha \, (y_{t}-\ell_{t-1})\\ &= \ell_{t-1}+\alpha \, e_{t}, \end{align*} in cui e_{t}=y_{t}-\ell_{t-1}=y_{t}-\hat{y}_{t|t-1} è il residuo al tempo t.
Gli errori commessi sul training set portano all’aggiustamento del livello stimato durante il processo di lisciamento per t=1,\dots,T. Ad esempio, se l’errore al tempo t è negativo, allora y_t < \hat{y}_{t|t-1} e quindi il livello al tempo t-1 è sovrastimato. Il nuovo livello \ell_t è quindi il livello precedente \ell_{t-1} corretto al ribasso. Quanto più \alpha è vicino a uno, tanto più “grezza” è la stima del livello (si hanno cioè grandi aggiustamenti). Più piccolo è \alpha, più “liscia” è la stima del livello (ci sono piccoli aggiustamenti).
Si può anche scrivere y_t = \ell_{t-1} + e_t, così che ogni osservazione può essere rappresentata dal livello precedente più un errore. Per trasformare questo in un modello nello spazio degli stati delle innovazioni, tutto quello che bisogna fare è specificare la distribuzione di probabilità per e_t. Per un modello con errori additivi, si assume che i residui e_t (gli errori di stima ad un passo nel training set) sia un white noise (rumore bianco) distribuito normalmente con media 0 e varianza \sigma^2. Una notazione abbreviata per questo è e_t = \varepsilon_t\sim\text{NID}(0,\sigma^2); NID sta per “normalmente ed indipendentemente distribuito”.
Quindi le equazioni del modello possono essere scritte come \begin{align} y_t & = \ell_{t-1} + \varepsilon_t \\ \ell_t & = \ell_{t-1} + \alpha \varepsilon_t. \end{align} \tag{8.3} La prima riga di queste equazioni è chiamata equazione di misura (o osservazione) e la seconda riga equazione di stato (o transizione). Queste due equazioni, insieme alla distribuzione statistica degli errori, formano un modello statistico completamente specificato. In particolare, esse costituiscono un modello nello spazio degli stati delle innovazioni che sta alla base del lisciamento esponenziale semplice.
Il termine “innovazioni” deriva dal fatto che tutte le equazioni utilizzano lo stesso processo di errore casuale, \varepsilon_t. Per lo stesso motivo, questa formulazione viene anche chiamata modello a “fonte di errore singola”. Esistono formulazioni alternative a fonti di errore multiple non trattate in questo testo.
L’equazione di misura mostra la relazione tra le osservazioni e gli stati non osservati. In questo caso, l’osservazione y_t è una funzione lineare del livello \ell_{t-1}, la parte prevedibile di y_t, e l’errore \varepsilon_t, la parte non prevedibile di y_t. Per altri modelli nello spazio degli stati delle innovazioni, questa relazione può essere non lineare.
L’equazione di stato mostra l’evoluzione dello stato attraverso il tempo. L’influenza del parametro di lisciamento \alpha è la stessa dei metodi discussi in precedenza. Per esempio, \alpha governa la quantità di cambiamento nei livelli successivi: alti valori di \alpha permettono rapidi cambiamenti nel livello; bassi valori di \alpha portano a cambiamenti meno marcati. Se \alpha=0, il livello della serie non cambia nel tempo; se \alpha=1, il modello si riduce ad un random walk (passeggiata casuale), y_t=y_{t-1}+\varepsilon_t (si veda il paragrafo 9.1 per una discussione di questo modello).
In modo analogo, è possibile specificare modelli con errori moltiplicativi scrivendo gli errori a un passo commessi nel training set in termini relativi \varepsilon_t = \frac{y_t-\hat{y}_{t|t-1}}{\hat{y}_{t|t-1}} dove \varepsilon_t \sim \text{NID}(0,\sigma^2). Sostituendo \hat{y}_{t|t-1}=\ell_{t-1} si ha y_t = \ell_{t-1}+\ell_{t-1} \, \varepsilon_t e e_t = y_t - \hat{y}_{t|t-1} = \ell_{t-1}\varepsilon_t.
Pertanto, la forma moltiplicativa del modello nello spazio degli stati si può scrivere come \begin{align*} y_t&=\ell_{t-1}(1+\varepsilon_t)\\ \ell_t&=\ell_{t-1}(1+\alpha \, \varepsilon_t). \end{align*}
Per questo modello si assume che gli errori di stima del training set un passo avanti siano dati da \varepsilon_t=y_t-\ell_{t-1}-b_{t-1} \sim \text{NID}(0,\sigma^2). Sostituendo questo nelle equazioni a correzione degli errori per il metodo di Holt lineare si ottiene \begin{align*} y_t&=\ell_{t-1}+b_{t-1}+\varepsilon_t\\ \ell_t&=\ell_{t-1}+b_{t-1}+\alpha \, \varepsilon_t\\ b_t&=b_{t-1}+\beta \, \varepsilon_t, \end{align*} dove per semplicità abbiamo fissato \beta=\alpha \beta^*.
Specificando gli errori di previsione ad un passo commessi nel training set come errori relativi tali per cui \varepsilon_t=\frac{y_t-(\ell_{t-1}+b_{t-1})}{(\ell_{t-1}+b_{t-1})} e seguendo un approccio simile a quello usato sopra, il modello nello spazio degli stati delle innovazioni sottostante il metodo di Holt lineare con errori moltiplicativi è specificato come \begin{align*} y_t&=(\ell_{t-1}+b_{t-1})(1+\varepsilon_t)\\ \ell_t&=(\ell_{t-1}+b_{t-1})(1+\alpha \, \varepsilon_t)\\ b_t&=b_{t-1}+\beta \, (\ell_{t-1}+b_{t-1}) \, \varepsilon_t, \end{align*}
dove ancora una volta \beta=\alpha \beta^* e \varepsilon_t \sim \text{NID}(0,\sigma^2).
In modo simile, è possibile scrivere un modello nello spazio degli stati delle innovazioni per ciascuno dei metodi di lisciamento esponenziale della figura 8.10. La figura 8.11 presenta le equazioni per tutti i modelli della famiglia ETS.
| Modelli con errori additivi | |||
| Trend | Componente stagionale | ||
|---|---|---|---|
| N | A | M | |
| N | y_{t} = \ell_{t-1}+\varepsilon_t \ell_t = \ell_{t-1} + \alpha \varepsilon_t | y_{t} = \ell_{t-1} + s_{t-m}+\varepsilon_t \ell_t = \ell_{t-1} + \alpha \varepsilon_t s_t = s_{t-m} + \gamma \varepsilon_t | y_{t} = \ell_{t-1} s_{t-m}+\varepsilon_t \ell_t = \ell_{t-1} + \alpha \varepsilon_t/s_{t-m} s_t = s_{t-m} + \gamma \varepsilon_t/\ell_{t-1} |
| A | y_{t} = \ell_{t-1} + b_{t-1}+\varepsilon_t \ell_t = \ell_{t-1} + b_{t-1} + \alpha \varepsilon_t b_t = b_{t-1} + \beta \varepsilon_t | y_{t} = \ell_{t-1} + b_{t-1} + s_{ t-m}+\varepsilon_t \ell_t = \ell_{t-1} + b_{t-1} + \alpha \varepsilon_t b_t = b_{t-1} + \beta \varepsilon_t s_t = s_{t-m} + \gamma \varepsilon_t | y_{t} = (\ell_{t-1}+b_{t-1})s_{t-m}+\varepsilon_t \ell_t = \ell_{t-1} + b_{t-1} + \alpha \varepsilon_t/s_{t-m} b_t = b_{t-1} + \beta \varepsilon_t/s_{t-m} s_t = s_{t-m} + \gamma \varepsilon_t/(\ell_{t-1}+b_{t-1}) |
| Ad | y_{t} = \ell_{t-1} + \phi b_{t-1}+\varepsilon_t \ell_t = \ell_{t-1} + \phi b_{t-1} + \alpha \varepsilon_t b_t = \phi b_{t-1} + \beta \varepsilon_t | y_{t} = \ell_{t-1} + \phi b_{t-1} + s_{t-m}+\varepsilon_t \ell_t = \ell_{t-1} + \phi b_{t-1} + \alpha \varepsilon_t b_t = \phi b_{t-1} + \beta \varepsilon_t s_t = s_{t-m} + \gamma \varepsilon_t | y_{t} = (\ell_{t-1} + \phi b_{t-1})s_{t-m}+\varepsilon_t \ell_t = \ell_{t-1} + \phi b_{t-1} + \alpha \varepsilon_t/s_{t-m} b_t = \phi b_{t-1} + \beta \varepsilon_t/s_{t-m} s_t = s_{t-m} + \gamma \varepsilon_t/(\ell_{t-1}+\phi b_{t-1}) |
| Modelli con errori moltiplicativi | |||
| Trend | Componente stagionale | ||
| N | A | M | |
| N | y_{t} = \ell_{t-1}(1 + \varepsilon_t) \ell_t = \ell_{t-1}(1 + \alpha \varepsilon_t) | y_{t} = (\ell_{t-1} + s_{t-m})(1 + \varepsilon_t) \ell_t = \ell_{t-1} + \alpha(\ell_{t-1} + s_{t-m}) \varepsilon_t s_t = s_{t-m} + \gamma (\ell_{t-1} + s_{t-m})\varepsilon_t | y_{t} = \ell_{t-1} s_{t-m}(1 + \varepsilon_t) \ell_t = \ell_{t-1}(1 + \alpha \varepsilon_t) s_t = s_{t-m}(1 + \gamma \varepsilon_t) |
| A | y_{t} = (\ell_{t-1} + b_{t-1})(1 + \varepsilon_t) \ell_t = (\ell_{t-1} + b_{t-1})(1 + \alpha \varepsilon_t) b_t = b_{t-1} + \beta (\ell_{t-1} + b_{t-1}) \varepsilon_t | y_{t} = (\ell_{t-1} + b_{t-1} + s_{ t-m})(1 + \varepsilon_t) \ell_t = \ell_{t-1} + b_{t-1} + \alpha (\ell_{t-1} + b_{t-1}+ s_{ t-m}) \varepsilon_t b_t = b_{t-1} + \beta (\ell_{t-1} + b_{t-1} + s_{ t-m})\varepsilon_t s_t = s_{t-m} + \gamma (\ell_{t-1} + b_{t-1} + s_{ t-m})\varepsilon_t | y_{t} = (\ell_{t-1}+b_{t-1})s_{t-m}(1 + \varepsilon_t) \ell_t = (\ell_{t-1} + b_{t-1})(1 + \alpha\varepsilon_t) b_t = b_{t-1} + \beta (\ell_{t-1}+b_{t-1})\varepsilon_t s_t = s_{t-m}(1 + \gamma \varepsilon_t) |
| Ad | y_{t} = (\ell_{t-1} + \phi b_{t-1})(1 + \varepsilon_t) \ell_t = (\ell_{t-1} + \phi b_{t-1})(1 + \alpha \varepsilon_t) b_t = \phi b_{t-1} + \beta(\ell_{t-1} + \phi b_{t-1})\varepsilon_t | y_{t} = (\ell_{t-1} + \phi b_{t-1} + s_{t-m})(1 + \varepsilon_t) \ell_t = \ell_{t-1} + \phi b_{t-1} + \alpha (\ell_{t-1}+ \phi b_{t-1} + s_{t-m}) \varepsilon_t b_t = \phi b_{t-1} + \beta (\ell_{t-1} + \phi b_{t-1} +s_{t-m})\varepsilon_t s_t = s_{t-m} + \gamma (\ell_{t-1} + \phi b_{t-1} + s_{t-m})\varepsilon_t | y_{t} = (\ell_{t-1} + \phi b_{t-1})s_{t-m}(1 + \varepsilon_t) \ell_t = (\ell_{t-1} + \phi b_{t-1})(1 + \alpha \varepsilon_t) b_t = \phi b_{t-1} + \beta (\ell_{t-1} + \phi b_{t-1})\varepsilon_t s_t = s_{t-m}(1+ \gamma \varepsilon_t) |
Un’alternativa alla stima dei parametri, effettuata minimizzando la somma degli errori al quadrato, è quella di massimizzare la “verosimiglianza”. La verosimiglianza è la probabilità che i dati derivino dal modello specificato. Perciò, una verosimiglianza elevata è associata ad un buon modello. Per un modello con errore additivo, massimizzare la verosimiglianza (assumendo errori normalmente distribuiti) porta agli stessi risultati che si ottengono con la minimizzazione della somma degli errori al quadrato. Si ottengono tuttavia risultati diversi per i modelli con errore moltiplicativo. In questo paragrafo, si stimano i parametri di lisciamento \alpha, \beta, \gamma e \phi, e gli stati iniziali \ell_0, b_0, s_0,s_{-1},\dots,s_{-m+1}, massimizzando la verosimiglianza.
I possibili valori che i parametri di lisciamento possono assumere sono limitati. Tradizionalmente, i parametri sono vincolati tra 0 e 1 in modo che le equazioni possano essere interpretate come medie ponderate. Cioè, 0< \alpha,\beta^*,\gamma^*,\phi<1. Per i modelli nello spazio degli stati, si è impostato \beta=\alpha\beta^* e \gamma=(1-\alpha)\gamma^*. Pertanto, i tradizionali vincoli si traducono in 0< \alpha <1, 0 < \beta < \alpha e 0< \gamma < 1-\alpha. In pratica, il parametro di smorzamento \phi è di solito vincolato ulteriormente per evitare difficoltà numeriche nella stima del modello. Nel pacchetto fable, esso è vincolato in modo che 0.8<\phi<0.98.
Un altro modo di interpretare i parametri è attraverso una considerazione delle proprietà matematiche dei modelli nello spazio degli stati. I parametri sono limitati per evitare che le osservazioni più lontane nel passato continuino ad avere effetto sulle previsioni attuali. Questo porta ad alcuni vincoli di ammissibilità sui parametri, che sono di solito (ma non sempre) meno restrittivi dei vincoli tradizionali (Hyndman et al., 2008, pp149–161). Ad esempio, per il modello ETS(A,N,N), la regione di variazione dei parametri è 0< \alpha <1 ma la regione ammissibile è 0< \alpha <2. Per il modello ETS(A,A,N), la regione di variazione dei parametri è 0<\alpha<1 e 0<\beta<\alpha ma la regione ammissibile è 0<\alpha<2 e 0<\beta<4-2\alpha.
Un grande vantaggio dei modelli statistici ETS è che per la selezione del modello si possono usare i criteri automatici di informazione. L’AIC, l’AIC_{\text{c}} e il BIC, introdotti nel paragrafo 7.5, possono essere usati qui per determinare quale dei modelli ETS è più appropriato per una data serie temporale.
Per i modelli ETS, il criterio di informazione di Akaike (AIC) è definito come \text{AIC} = -2\log(L) + 2k, dove L è la versoimiglianza del modello e k è il numero totale di parametri e di stati iniziali che devono essere stimati (compresa la varianza dei residui).
L’AIC corretto per la distorsione in piccoli campioni (AIC_\text{c}) è definito come \text{AIC}_{\text{c}} = \text{AIC} + \frac{2k(k+1)}{T-k-1}, ed il criterio di informazione bayesiano (Bayesian Information Criterion, BIC) è \text{BIC} = \text{AIC} + k[\log(T)-2].
Tre delle combinazioni di (Errore, Trend, Stagionalità) possono portare a difficoltà numeriche. In particolare, i modelli che possono causare tali instabilità sono ETS(A,N,M), ETS(A,A,M), e ETS(A,A_d,M), a causa della divisione per valori potenzialmente vicini allo zero nelle equazioni di stato. Normalmente non si considerano queste particolari combinazioni quando si seleziona un modello.
I modelli con errori moltiplicativi sono utili quando i dati sono strettamente positivi, ma non sono numericamente stabili quando i dati contengono zeri o valori negativi. Pertanto, i modelli con errori moltiplicativi non saranno considerati se la serie temporale non è strettamente positiva. In questo caso, saranno applicati solo i sei modelli completamente additivi.
Si utilizzano ora i modelli ETS per prevedere il turismo vacanziero australiano nel periodo 2016–2019. La funzione ETS() viene utilizzata per selezionare il modello minimizzando l’AICc.
aus_holidays <- tourism |>
filter(Purpose == "Holiday") |>
summarise(Trips = sum(Trips) / 1e3)
fit <- aus_holidays |>
model(ETS(Trips))
report(fit)Series: Trips
Model: ETS(M,N,A)
Smoothing parameters:
alpha = 0.3484
gamma = 1e-04
Initial states:
l[0] s[0] s[-1] s[-2] s[-3]
9.727 -0.5376 -0.6884 -0.2934 1.519
sigma^2: 0.0022
AIC AICc BIC
226.2 227.8 242.9
Il modello selezionato è ETS(M,N,A) \begin{align*} y_{t} &= (\ell_{t-1}+s_{t-m})(1 + \varepsilon_t)\\ \ell_t &= \ell_{t-1} + \alpha(\ell_{t-1}+s_{t-m})\varepsilon_t\\ s_t &= s_{t-m} + \gamma(\ell_{t-1}+s_{t-m}) \varepsilon_t. \end{align*}
Le stime dei parametri sono \hat\alpha= 0.3484, e \hat\gamma= 0.0001. L’output restituisce anche le stime per gli stati iniziali \ell_0, s_{0}, s_{-1}, s_{-2} e s_{-3}. Si confrontino questi valori con quelli ottenuti per il metodo di Holt-Winters con stagionalità additiva presentati in tabella 8.3.
La figura 8.12 mostra gli stati nel tempo, mentre la figura 8.14 mostra le previsioni puntuali e gli intervalli di previsione generati dal modello. I piccoli valori di \gamma indicano che gli stati stagionali cambiano molto poco nel tempo.
components(fit) |>
autoplot() +
labs(title = "Componenti di ETS(M,N,A)", x = "Trimestre")
Poiché questo modello ha errori moltiplicativi, i residui non sono equivalenti ai residui regolari (cioè agli errori di stima del training set un passo in avanti). In questo caso i residui sono dati da \hat{\varepsilon}_t, mentre i residui regolari sono definiti come y_t - \hat{y}_{t|t-1}. È possibile ottenere entrambi usando la funzione augment(). Essi sono rappresentati in figura 8.13.
Le previsioni puntuali possono essere ottenute dai modelli iterando le equazioni per t=T+1,\dots,T+h e fissando \varepsilon_t=0 per t>T.
Ad esempio, per il modello ETS(M,A,N), y_{T+1} = (\ell_T + b_T )(1+ \varepsilon_{T+1}). Quindi \hat{y}_{T+1|T}=\ell_{T}+b_{T}. Analogamente, \begin{align*} y_{T+2} &= (\ell_{T+1} + b_{T+1})(1 + \varepsilon_{T+2})\\ &= \left[ (\ell_T + b_T) (1+ \alpha\varepsilon_{T+1}) + b_T + \beta (\ell_T + b_T)\varepsilon_{T+1} \right] (1 + \varepsilon_{T+2}). \end{align*} Quindi, \hat{y}_{T+2|T}= \ell_{T}+2b_{T}, e così via. Queste previsioni sono identiche alle previsioni che si ottengono col metodo di Holt lineare, e anche a quelle del modello ETS(A,A,N). Quindi, le previsioni puntuali ottenute dal metodo e dai due modelli che sottendono il metodo sono identiche (supponendo che si usino gli stessi valori dei parametri). Le previsioni puntuali ETS costruite in questo modo sono uguali alle medie delle distribuzioni di previsione, tranne che per i modelli con stagionalità moltiplicativa (Hyndman et al., 2008).
Per ottenere previsioni da un modello ETS, si utilizza la funzione forecast() del pacchetto fable. Questa funzione restituisce sempre le medie della distribuzione delle previsioni, anche quando queste differiscono dalle tradizionali previsioni puntuali.
fit |>
forecast(h = 8) |>
autoplot(aus_holidays) +
labs(title = "Turismo interno australiano", y = "Pernottamenti (milioni)", x = "Trimestre") +
guides(fill_ramp = guide_legend(title = "Livello"))
Un grande vantaggio dei modelli statistici è che si possono calcolare gli intervalli di previsione, cosa che non è possibile se si utilizzano solo i metodi di previsione puntuale. Gli intervalli di previsione ottenuti dai modelli con metodi additivi sono diversi da quelli ottenuti usando modelli con metodi moltiplicativi.
Per la maggior parte dei modelli ETS, un intervallo di previsione può essere scritto come \hat{y}_{T+h|T} \pm c \, \sigma_h dove c dipende dalla probabilità di copertura, e \sigma_h^2 è la varianza della previsione. I valori per c sono quelli mostrati nella tabella 5.1. Per i modelli ETS, le formule per \sigma_h^2 possono essere complicate; i dettagli sono forniti nel capitolo 6 di Hyndman et al. (2008). Nella tabella 8.7 sono presentate le formule per i modelli ETS additivi, che sono le più semplici.
| Modello | Varianza di previsione: \sigma_h^2 |
|---|---|
| (A,N,N) | \sigma_h^2 = \sigma^2\big[1 + \alpha^2(h-1)\big] |
| (A,A,N) | \sigma_h^2 = \sigma^2\Big[1 + (h-1)\big\{\alpha^2 + \alpha\beta h + \frac16\beta^2h(2h-1)\big\}\Big] |
| (A,A_d,N) | \sigma_h^2 = \sigma^2\biggl[1 + \alpha^2(h-1) + \frac{\beta\phi h}{(1-\phi)^2} \left\{2\alpha(1-\phi) +\beta\phi\right\} |
| {} - \frac{\beta\phi(1-\phi^h)}{(1-\phi)^2(1-\phi^2)} \left\{ 2\alpha(1-\phi^2)+ \beta\phi(1+2\phi-\phi^h)\right\}\biggr] | |
| (A,N,A) | \sigma_h^2 = \sigma^2\Big[1 + \alpha^2(h-1) + \gamma k(2\alpha+\gamma)\Big] |
| (A,A,A) | \sigma_h^2 = \sigma^2\Big[1 + (h-1)\big\{\alpha^2 + \alpha\beta h + \frac16\beta^2h(2h-1)\big\} |
| {} + \gamma k \big\{2\alpha+ \gamma + \beta m (k+1)\big\} \Big] | |
| (A,A_d,A) | \sigma_h^2 = \sigma^2\biggl[1 + \alpha^2(h-1) + \gamma k(2\alpha+\gamma) |
| {} +\frac{\beta\phi h}{(1-\phi)^2} \left\{2\alpha(1-\phi) + \beta\phi \right\} | |
| {} - \frac{\beta\phi(1-\phi^h)}{(1-\phi)^2(1-\phi^2)} \left\{ 2\alpha(1-\phi^2)+ \beta\phi(1+2\phi-\phi^h)\right\} | |
| {} + \frac{2\beta\gamma\phi}{(1-\phi)(1-\phi^m)}\left\{k(1-\phi^m) - \phi^m(1-\phi^{mk})\right\}\biggr] |
Per alcuni modelli ETS, non ci sono formule note per gli intervalli di previsione. In questi casi, la funzione forecast() utilizza valori futuri simulati e calcola gli intervalli di previsione dai percentili di questi valori futuri simulati.
Considera il numero di maiali macellati nello stato australiano di Victoria, disponibile nel dataset aus_livestock.
ETS() per stimare il modello equivalente al lisciamento esponenziale semplice. Trova i valori ottimali di \alpha e \ell_0, e calcola le previsioni per i prossimi quattro mesi.Scrivi una funzione per implementare il lisciamento esponenziale semplice. La funzione dovrebbe prendere gli argomenti y (la serie temporale), alpha (il parametro di smoothing \alpha) e level (il livello iniziale \ell_0). Inoltre, dovrebbe fornire la previsione della prossima osservazione della serie. Fornisce la stessa previsione di ETS()?
Modifica la funzione che hai scritto nell’esercizio precedente in modo che fornisca la somma degli errori al quadrato anziché la previsione dell’osservazione successiva. Utilizza quindi la funzione optim() per trovare i valori ottimali di \alpha e \ell_0. Ottieni gli stessi valori della funzione ETS()?
Combina le due funzioni precedenti per produrre una funzione che trovi i valori ottimali di \alpha e \ell_0 e che produca una previsione della prossima osservazione della serie.
Il dataset global_economy contiene le esportazioni annuali di molti paesi. Seleziona un paese da analizzare.
Prevedi il PIL cinese dal dataset global_economy usando un modello ETS. Sperimenta le varie opzioni della funzione ETS() per vedere quanto cambiano le previsioni con un trend smorzato, o con una trasformazione di Box-Cox. Cerca di spiegare in maniera intuitiva cosa comporta ciascuna di esse sulle previsioni.
[Suggerimento: utilizza un valore relativamente grande di h quando calcoli le previsioni, in modo da poter vedere chiaramente le differenze tra le varie opzioni quando le previsioni vengono rappresentate graficamente].
Trova un modello ETS per i dati del gas contenuti in aus_production ed ottieni una previsione per i prossimi anni. Perché qui è necessaria la stagionalità moltiplicativa? Prova ad utilizzare il trend smorzato. Migliora le previsioni?
Fai nuovamente riferimento ai dati delle serie temporali della vendita al dettaglio (dall’Esercizio 7 nel paragrafo 2.10).
Per gli stessi dati di vendita al dettaglio, prova ad utilizzare una decomposizione STL applicata alla serie trasformata secondo Box-Cox, seguita da ETS sui dati destagionalizzati. Come sono i risultati rispetto alle tue migliori previsioni precedenti ottenute sul test set?
Considera la serie relativa al totale dei viaggi nazionali di pernottamento in tutta l’Australia dal dataset turismo.
decomposition_model()).ETS() per scegliere un modello stagionale per i dati.Per questo esercizio usa la serie relativa al numero trimestrale di arrivi in Australia dalla Nuova Zelanda, per il periodo 1981 Q1 – 2012 Q3, contenuta nel dataset aus_arrivals.
aus_production). Utilizza una finestra temporale con dimensione iniziale di 5 anni, ed incrementa la finestra di un’osservazione alla volta.Confronta ETS(), SNAIVE() e decomposition_model(STL, ???) sulle seguenti cinque serie temporali. Potrebbe essere necessario utilizzare una trasformazione di Box-Cox per ottenere le previsioni col metodo di decomposizione STL. Utilizza un test set di tre anni per decidere quale metodo fornisce le migliori previsioni.
aus_production.ATC2 == "A10") e i corticosteroidi (ATC2 == "H02") da PBS.aus_retail.Utilizza ETS() per selezionare un modello appropriato per le seguenti serie: numero totale di viaggi in Australia dal dataset tourism, prezzi di chiusura dei quattro titoli contenuti nel dataset gafa_stock, e serie delle linci contenuta in pelt. Il metodo porta sempre ad ottenere buone previsioni?
Trova un esempio in cui non funziona bene. Riesci a capire perché?
Mostra che le previsioni puntuali di un modello ETS(M,A,M) sono uguali a quelle ottenute con il metodo moltiplicativo di Holt-Winters.
Mostra che la varianza di previsione per un modello ETS(A,N,N) è data da \sigma^2\left[1+\alpha^2(h-1)\right].
Scrivi gli intervalli di previsione al 95% per un modello ETS(A,N,N) in funzione di \ell_T, $ $, h e \sigma, assumendo errori normalmente distribuiti.
In alcuni testi questo metodo viene chiamato “lisciamento esponenziale singolo”.↩︎
L’implementazione utilizza la stima di massima verosimiglianza come descritto nel paragrafo 8.6, mentre Holt e Winters originariamente minimizzavano la somma degli errori al quadrato. Per la stagionalità moltiplicativa, questo porta a stime dei parametri leggermente diverse. L’ottimizzazione della somma degli errori quadratici può essere ottenuta impostando opt_crit="mse" in ETS().↩︎