Seminar2 Serii de timp 2020/2021 Conf. univ. dr.

Silvia Spătaru

Aplicații - Metode de netezire exponenţială utilizând Eviews

Metoda de netezire exponenţială simplă

Ex1. Se cunosc vânzările înregistrate de un magazin în fiecare lună din anii 2017 si 2018. Datele
sunt exprimate în mii lei.
1 2 3 4 5 6 7 8 9 10 11 12
2017 362 381 317 297 399 402 375 349 386 328 389 343
2018 276 334 394 334 384 314 344 337 345 362 314 365

Să se previzioneze vânzările pentru lunile ianuarie, martie şi aprilie 2019, folosind Eviews.
Avem 24 de observații. Datele mele sunt în fisierul Sem2_Ex1.xls. Vânzările încep din cell C3.

0) Cu datele de mai sus vă rog să creați un fișier în Excel, din care să importați datele în Eviews.
1) Creați un workfile în Eviews. Importați seria de date în acest workfile (sem2_ex1.wf1)

Start date: 2017M1

End date: 2019M4 (rezervăm 4 observaţii pentru previzionare)
2) Verificați dacă datele au fost importate corect. Reprezentați grafic seria de date.
Graficul ne va indica metoda de folosit.
 Nu există nici trend și nici variație sezonieră.
3) Vanzari→Proc→Exponential Smoothing→ Simple Exponential Smoothing→Single

4) Folosiți output-ul obținut pentru previzionare.

Alpha= 0,0340
Mean = 354,5948 mii lei

̂ 𝑻 (𝒉) = 𝒀
𝒀 ̂ 𝑻+𝒉 = 𝒀
̂𝑻 ( h=1,2,3,…)

1
Originea prognozei este T=24
h=1  𝑌̂24 (1) = 𝑌̂24+1 = 𝑌̂24 = 354,5948 mii lei (previziune pentru luna ianuarie)
h=2  𝑌̂24 (2) = 𝑌̂24+2 = 𝑌̂24 = 354,5948 mii lei (previziune pentru luna februarie)
h=3  𝑌̂24 (3) = 𝑌̂24+3 = 𝑌̂24 = 354,5948 mii lei (previziune pentru luna martie)
h=4  𝑌̂24 (4) = 𝑌̂24+4 = 𝑌̂24 = 354,5948 mii lei (previziune pentru luna aprilie)
Verificare rezultate calculate de noi:
Seria previzionată a fost numită vanzarSM
5) Selectați grupul vânzări şi vanzarSM pentru a vedea cele 4 valori previzionate în Eviews

Observații asupra lui alpha:

- Cu cât α este mai aproape de 1, cu atât se acordă ponderi mai mari observațiilor mai recente.
- Cu cât α este mai aproape de 0, cu atât se acordă ponderi mai mari observațiilor mai îndepărtate.
- Se va alege α mai aproape de 0 când există variații aleatoare mari în datele observate.
- Se va alege α mai aproape de 1 când seria este mai netedă, adică nu există variații aleatoare mari.
- Se vor încerca diferite valori pentru α și se va alege acea valoare care minimizează MSE.
- În lucrările empirice se alege α între 0,01 și 0,3. Rareori se utilizează valori apropiate de 1.
- Dacă α tinde către 0, deducem că ar fi potrivită diferențierea seriei.

Metoda Holt (de netezire exponențială cu doi parametri) No seasonal

Ex2. Se cunosc vânzările săptămânale înregistrate de un magazin începînd cu 1/01/2017, timp de 30

de săptămâni.

209 207 211 210 173 194 234 156 206 188
162 172 210 205 244 218 182 206 211 273
248 262 258 233 255 303 282 291 280 255

Să se previzioneze vânzările pentru următoarele 4 săptămâni, folosind Eviews.

0) Cu datele de mai sus vă rog să creați un fișier în Excel, din care să importați datele în Eviews.
1) Creați un nou workfile în Eviews. Importați datele din Excel într-un workfile cu date săptămânale
(sem2_ex2.wf1) Avem 30 de observații.
Start date: 1/01/2017 (ian/01/2017)
End date: 8/20/2017 (aug/20/2017) (30 observaţii + 4 pentru previzionare)

2
2) Verificați dacă datele au fost importate corect. Reprezentați grafic seria de date.
 Graficul arată ca seria de date prezintă trend.
Vom aplica metoda Holt cu doi parametri. Vom lua Alpha=0.1 și Beta=0.05
3) Vanzari→Proc→Exponential Smoothing→ Simple Exponential Smoothing
→ Holt-Winters - No seasonal...

4) Folosiți output-ul obținut pentru previzionare.

Constantele de netezire sunt  = 0,1 iar  = 0,05.

ecuaţia pentru nivel: 𝑌̂𝑡 = 𝛼𝑌𝑡 + (1 − 𝛼)(𝑌̂𝑡−1 + 𝑇𝑅𝑡−1 )
ecuaţia pentru trend: 𝑇𝑅𝑡 = 𝛽(𝑌̂𝑡 − 𝑌̂𝑡−1 ) + (1 − 𝛽) ∙ 𝑇𝑅𝑡−1
Previziunea la momentul T pentru un orizont de timp h:

𝑌̂𝑇 (ℎ) = 𝑌̂𝑇+ℎ = 𝑌̂𝑇 + ℎ ∙ 𝑇𝑅𝑇 ( h=1,2,3,…)

̂
Mean = 𝑌30 = 257,4893 Trend = 𝑇𝑅30 = 2,163164
h=1  ̂
𝑌30 (1) = 𝑌30+1 = 𝑌̂30 + 1 ∙ 𝑇𝑅30 = 257,4893+ 1* 2,163164 = 259,6525 mii lei
̂
h=2  𝑌̂30 (2) = 𝑌̂30+1 = 𝑌̂30 + 2 ∙ 𝑇𝑅30 = 257,4893+ 2* 2,163164 = 261,8157 mii lei
h=3  𝑌̂30 (3) = 𝑌̂30+1 = 𝑌̂30 + 3 ∙ 𝑇𝑅30 = 257,4893+ 3* 2,163164 = 263,9788
h=4  𝑌̂30 (4) = 𝑌̂30+1 = 𝑌̂30 + 4 ∙ 𝑇𝑅30 = 257,4893+ 4* 2,163164 = 266,1420

Repetăm procedura fără a atribui valori constantelor de netezire α si .

Nu am dat valori constantelor de netezire α si . Comparați Sum of Squared Residuals.

Observație:
- Dacă α tinde către 0, deducem că trendul netezit este constant. Pentru seria de date observate ar fi
potrivit un model ARIMA cu trend determinist.

3
Metoda Holt-Winters de netezire exponențială

Ex3. Se cunosc vânzările înregistrate de un magazin în fiecare trimestru din 2016 până în 2019
(16 trimestre). Să se previzioneze vânzările pentru cele 4 trimestre ale anului 2020.

0) Cu datele din tabel, vă rog să creați un fișier în Excel, din care să importați datele în Eviews.

Anul tr.I tr.II tr.III tr.IV

2016 72 116 136 96
2017 81 131 158 109
2018 94 147 177 128
2019 106 170 200 142

1) Creați un workfile cu date trimestriale, în Eviews. Importați datele din Excel în Eviews.
(sem2_ex3.wf1)

Start date: 2016 Q1

End date: 2020 Q4 (16 observaţii + 4 pentru previzionare)

2) Verificați dacă datele au fost importate corect. Reprezentați grafic seria de date.
 Graficul arată ca seria de date prezintă trend și componentă sezonieră.

Vom aplica metoda Holt-Winters (cu trei parametri). Vom lua Alpha=0.1, Beta=0.05 și Gamma=0.2.

3) Vanzari→Proc→Exponential Smoothing→ Simple Exponential Smoothing

→ Holt-Winters - Multiplicative...
4) Folosiți output-ul obținut pentru previzionare.

4
Exemplu de Subiect Examen
Se cunosc vânzările înregistrate de un magazin în fiecare trimestru din 2016 până în 2019. În urma
prelucrării datelor în Eviews am obţinut graficul de mai sus.
Asupra seriei vânzărilor înregistrate în perioada 2016–2019, s-a aplicat o metodă de netezire
exponenţială, rezultând output-ul de mai jos.
a) Spuneţi ce metodă de netezire exponenţială a fost folosită şi argumentaţi alegerea.
b) Previzionaţi vânzările pentru cele 4 trimestre ale anului 2020.

Cele trei ecuaţii de recurenţă sunt:

𝑌
ecuaţia pentru nivel: 𝑌̂𝑡 = 𝛼 𝑆 𝑡 + (1 − 𝛼)(𝑌̂𝑡−1 + 𝑇𝑅𝑡−1 )
𝑡−𝑝
ecuaţia pt.panta dreptei de tendinţă: 𝑇𝑅𝑡 = 𝛽(𝑌̂𝑡 − 𝑌̂𝑡−1 ) + (1 − 𝛽)𝑇𝑅𝑡−1
𝑌
ecuaţia pt.componenta sezonieră 𝑆𝑡 = 𝛾 𝑌̂𝑡 + (1 − 𝛾)𝑆𝑡−𝑝
𝑡
Previziunea la momentul T pentru un orizont de timp h va fi de forma:
𝑌̂𝑇 (ℎ) = 𝑌̂𝑇+ℎ = (𝑌̂𝑇 + ℎ ∙ 𝑇𝑅𝑇 ) ∙ 𝑆𝑇−𝑝+ℎ ( h=1,2,3,…)

Din output citim: Method Holt-Winters Multiplicative Seasonal

Constantele de netezire sunt
Alpha = 0,1;
Beta = 0,05 şi
Gamma = 0,2 (= 0,1; = 0,05; =0,2).

SSE = 54,53509 2019Q1 = 0,720461 = 𝑆13

RMSE = 1,846197 2019Q2 = 1,114187 = 𝑆14
̂𝑌16 = Mean = 159,6090 2019Q3 = 1,284049 = 𝑆15
𝑇𝑅16 = Trend = 4,094817 2019Q4 = 0,881303 = 𝑆16

5
 𝑌̂𝑇 (ℎ) = 𝑌̂𝑇+ℎ = (𝑌̂𝑇 + ℎ ∙ 𝑇𝑅𝑇 ) ∙ 𝑆𝑇−𝑝+ℎ

𝑌̂16 (1) = (𝑌̂16 + 1 ∙ 𝑇𝑅16 ) ∙ 𝑆16−4+1 = (159,6090+1*4,094817)* 0,720461 = 117,9421 mii lei
𝑌̂16 (2) = (𝑌̂16 + 2 ∙ 𝑇𝑅16 ) ∙ 𝑆16−4+2 = (159,6090+2*4,094817)* 1,114187 = 186,9590 mii lei
𝑌̂16 (3) = (𝑌̂16 + 3 ∙ 𝑇𝑅16 ) ∙ 𝑆16−4+3 = (159,6090+3*4,094817)* 1,284049 = 220,7195 mii lei
𝑌̂16 (4) = (𝑌̂16 + 4 ∙ 𝑇𝑅16 ) ∙ 𝑆16−4+4 = (159,6090+4*4,094817)* 0,881303 = 155,0990 mii lei

Pentru output-ul din dreapta n-am completat constantele. Comparați și comentați ce observați.
SSE = ??? RMSE = ???

Method Holt-Winters Additive

4) Vanzari→Proc→Exponential Smoothing→ Simple Exponential Smoothing
→ Holt-Winters - Additive...

Holt-Winters Aditiv cu alpha=0.1, beta=0.05 și gamma=0.2. In dreapta n-am completat constantele.

6
Cele trei ecuaţii de recurenţă sunt:
ecuaţia pentru nivel: 𝑌̂𝑡 = 𝛼(𝑌𝑡 − 𝑆𝑡−𝑝 ) + (1 − 𝛼)(𝑌̂𝑡−1 + 𝑇𝑅𝑡−1 )
ecuaţia pt.panta dreptei de tendinţă: 𝑇𝑅𝑡 = 𝛽(𝑌̂𝑡 − 𝑌̂𝑡−1 ) + (1 − 𝛽)𝑇𝑅𝑡−1
ecuaţia pt.componenta sezonieră 𝑆𝑡 = 𝛾(𝑌𝑡 − 𝑌̂𝑡 ) + (1 − 𝛾)𝑆𝑡−𝑝

Previzionarea la momentul T pentru un orizont de timp h:

̂ 𝑻 (𝒉) = 𝒀
𝒀 ̂ 𝑻 + 𝒉 ∙ 𝑻𝑹𝑻 + 𝑺𝑻−𝒑+𝒉 ( h = 1, 2, 3, …)
Din output citim: Method Holt-Winters Additive Seasonal
Constantele de netezire sunt Alpha = 0,1; Beta = 0,05 şi Gamma = 0,2 (= 0,1; = 0,05; =0,2).

SSE = 349,1661 2019Q1 = -35,25475 = 𝑆13

RMSE = 4,671497 2019Q2 = 14,38450 = 𝑆14
𝑌̂16 = Mean = 159,9434 2019Q3 = 37,41053 = 𝑆15
𝑇𝑅16 = Trend = 4,107367 2019Q4 = -16,54029 = 𝑆16
𝑌̂16 (1) = 𝑌̂16 + 1 ∙ 𝑇𝑅16 + 𝑆16−4+1 = 159,9434+1*4,107367* (-35,25475) = 128,7960 mii lei
𝑌̂16 (2) = 𝑌̂16 + 2 ∙ 𝑇𝑅16 + 𝑆16−4+2 = 159,9434+2*4,107367* 14,38450 = 182,5426 mii lei
𝑌̂16 (3) = 𝑌̂16 + 3 ∙ 𝑇𝑅16 + 𝑆16−4+3 = 159,9434+3*4,107367* 37,41053 = 209,6760 mii lei
𝑦̂16 (4) = (𝑌̂16 + 4 ∙ 𝑇𝑅16 + 𝑆16−4+4 = 159,9434+4*4,107367* (-16,54029) = 159,8326 mii lei

Pentru output-urile din dreapta n-am completat constantele. Comparați și comentați ce observați.
SSE = 283,.....
RMSE = 4,2
Observații:
- În majoritatea problemelor practice, factorul sezonier este considerat multiplicativ.
- Alegerea constantelor de netezire se face prin minimizarea MSE sau SSE.
- Dacă un software alege valoarea 0 pentru beta sau gamma, nu înseamnă că seria nu are trend sau
componentă de sezonalitate, ci că aceste componente sunt estimate ca fixate și nu în schimbare.
- Dacă  → 1  ar fi mai potrivit un model fără componentă de sezonalitate.
- Dacă  → 0  există factori de sezonalitate deterministici.