python - 在 Python 中使用 Holt-Winters 进行预测

Question

我一直在尝试使用 this implementation of the Holt-Winters algorithm对于 Python 中的时间序列预测，但遇到了障碍……基本上，对于某些(正)输入序列，它有时会预测负数，显然情况并非如此。即使预测不是负面的，它们有时也会非常不准确——比应有的高/低几个数量级。给算法更多的数据周期似乎没有帮助，实际上往往会使预测变得更糟。

我使用的数据有以下特点，可能有问题:

• 非常频繁地采样(每 15 分钟一个数据点，而不是示例使用的每月数据) - 但根据我的阅读，Holt-Winters 算法应该没有问题。也许这表明实现存在问题？

• 具有多个周期性 - 有每日峰值(即每 96 个数据点)以及周末数据的每周周期明显低于工作日数据 - 例如，工作日的峰值可能在 4000 左右，但周末的峰值在 1000 -但即使我只给它工作日数据，我也会遇到负数问题。

在实现或使用 Holt-Winters 算法时，我有什么遗漏吗？我不是统计学家，所以我使用上面链接中指示的 alpha、beta 和 gamma 的“默认”值 - 这可能是问题所在，有没有更好的方法来计算这些值？

或者...这里有比 Holt-Winters 更好的算法吗？最终，我只想从这里的历史数据中创建合理的预测。我尝试过单指数和双指数平滑，但(据我所知)都不支持数据的周期性。

任何帮助/输入将不胜感激!

Answer 1

我尝试生成随机数据，直到得到有趣的结果。在这里，我输入了所有正数并得到了负预测:

y = [0.92, 0.78, 0.92, 0.61, 0.47, 0.4, 0.59, 0.13, 0.27, 0.31, 0.24, 0.01]
holtwinters(y, 0.2, 0.1, 0.05, 4)

...
forecast: -0.104857182966
forecast: -0.197407475203
forecast: -0.463988558577
forecast: -0.258023593197

但请注意，预测符合数据的负斜率。

这可能是您所说的数量级:

y = [0.1, 0.68, 0.15, 0.08, 0.94, 0.58, 0.35, 0.38, 0.7, 0.74, 0.93, 0.87]
holtwinters(y, 0.2, 0.1, 0.05, 4)

...
forecast: 1.93777559066
forecast: 3.11109138055
forecast: 0.910967977635
forecast: 0.684668348397

但我不确定你如何认为它非常不准确或判断它“应该”更低。

---

每当您推断数据时，都会得到令人惊讶的结果。您是否更担心实现可能不正确或输出没有适合您的特定用途的良好属性？