Capitolul 2.

Metode de netezire exponenţială

Previziune prin metode de netezire exponenţială

Tehnicile de netezire sunt utilizate pentru a genera valori netezite, dar şi pentru obţinerea de
^
previziuni pe termen scurt. Vom nota prin Y t (h) previziunea variabilei Y efectuată la momentul
Y
t, pe baza datelor disponibile până la acest moment Y 1 , Y 2 , ..., t , pentru un orizont de timp h.
Avantaje ale metodelor de netezire exponenţială, în previziune: reduc intervenţia analistului în
elaborarea previziunilor, nu necesită separarea componentelor sistematice (tendinţă,
sezonalitate), în practică s-au dovedit a fi candidate serioase ale altor metode mai complexe.
Metodele din această clasă implică utilizarea unor coeficienţi de netezire, cu valori cuprinse între
0 şi 1, ce facilitează alocarea unor ponderi diferite termenilor seriei.

2.1. Metoda de netezire exponenţială simplă

Ca şi metoda de previziune, acest model este adecvat pentru previziunea unei serii de timp ce
poate fi ajustată local, în vecinătatea lui t, printr-o constantă:
Yt  m   t

Considerăm t momentul prezent. Pentru a previziona următoarea valoare Yt 1 (orizontul de

previziune este h  1 ), utilizând datele disponibile până la acest moment Y1 , Y2 , ..., Yt se
utilizează relaţia de recurenţă:
Yˆt 1  c Yt  (1  c)Yˆt t=1,2,3,...
unde c  0,1 este constanta de netezire. Această metodă poate fi privită şi ca o metodă de
netezire, utilizată în scopul diminuării fluctuaţiilor aleatoare din date şi evidenţierii tendinţei.
Relaţia de recurenţă se aplică succesiv pentru fiecare observaţie din seria de timp. Valoarea
previzionată pentru următoarea perioadă t+1 t
Y^ =Y^ (1)
se calculează ca o medie ponderată între
observaţia curentă Yt (ultima observaţie disponibilă, la fiecare pas iterativ) şi previziunea

efectuată la pasul precedent

Yˆt .

Utilizarea relaţiei de recurenţă ce defineşte această metodă necesită o valoare iniţială Ŷ1 . De
regulă, Ŷ1 se consideră ca fiind media primilor termeni ai seriei, media seriei sau prima valoare
ˆ
observată Y1  Y1 ; stabilirea valorii de pornire nu afectează calitatea previziunilor, dacă lungimea
seriei este rezonabilă. În continuare, ceilalţi termeni se obţin pas cu pas, ca şi previziuni efectuate
la momentul curent şi cu orizontul de previziune h=1:
ˆ ˆ
- la momentul t=1, valoarea previzionată pentru Y2 este Y2  c Y1  (1  c)Y1
 - la momentul t=2, când devine disponibilă şi observaţia Y2 , valoarea
Yˆ  c Y2  (1  c )Yˆ2 , ş.a.m.d.
previzionată pentru Y3 este 3
O altă formă echivalentă a relaţiei de recurenţă este următoarea:
Yˆt 1  Yt  c (Yt  Yˆt )  Yt  c  et

unde t
e  Yt  Yˆt este eroarea de previziune, la momentul t, adică diferenţa între valoarea
observată şi previziune. Se poate observa că previziunea pentru următoarea perioadă este egală
cu valoarea curentă Yt corectată cu ultima eroare de previziune ponderată prin constanta de
netezire.
Intuitiv, ideea de bază a metodei devine mai clară dacă utilizăm succesiv relaţia de recurenţă
  
pentru Yt , Yt 1 , ..., Y2 :
 

Yˆt 1  c Yt  (1  c)Yt  cYt  (1  c) cYt 1  (1  c)Yt 1    
=cY + c (1−c )Y +c (1−c )2 Y +⋯+c (1−c )t−1 Y +(1−c )t Y^ =
t t−1 t−2 1 1
t−1
¿ ∑ c (1−c ) Y t−i +const .
i

i=0
Astfel, valoarea previzonată la momentul t, pentru t+1 , se determină ca o medie ponderată a
Y
tuturor observaţiilor Y 1 , Y 2 , ..., t disponibile până la acest moment, iar ponderea observaţiilor
descreşte exponenţial, pe măsură ce ne îndepărtăm de prezent:
Yt pondere c
Yt-1 pondere c(1−c )
2
Yt-2 pondere c(1−c )
………. .........................................
t−1
Y1 pondere c(1−c )
Cea mai mare pondere o are observaţia curentă Yt. Suma ponderilor asociate tuturor observaţiilor
tinde spre 1 atunci când numărul observaţiilor este mare.
Relativ la constanta de netezire, când c =1 valorile previzionate sunt egale cu ultima
Y^ =Y
observaţie t+1 t . Când c are o valoare apropiată de 1, atunci se acordă o pondere mai mare
observaţiilor recente, fiind adecvată pentru serii netede. Atunci când c este aproape de 0,
previziunea depinde într-o mai mare măsură de valorile înregistrate în trecut, fiind adecvată
pentru serii cu o amplitudine mare a fluctuaţiilor. De regulă softurile statistice estimează o
valoare optimă pentru c, fiind acea valoare pentru care unul dintre indicatorii sintetici ai erorilor
de previziune este minim. Frecvent, se minimizează media pătratelor erorilor de previziune:
T −1 T −1
1 1
∑ ( Y t +1 −Y t +1 ) = ∑ e2t +1 →min
^ 2

SSE = T t=0 T t=0

eroarea de previziune fiind:
e t+1=Y t+1−Y^ t+1 .
Previziunile sunt constante, pentru orice orizont de previziune h>0 :
 Y^ T (h )=Y^ T (1 )=cY T +(1−c )Y^ T .
unde T este lungimea seriei; seria observată este Y 1 , Y 2 , ..., Y T . Prin urmare, această variantă a
metodei este adecvată pentru previziunea seriilor de timp ce fluctuează în jurul unei valori
constante (nu au tendinţă), sau pentru serii ce au rupturi de nivel în interiorul perioadei
observate.

Observaţie. Atunci când se utilizează în scopul netezirii, valoarea netezită

S t asociată valorii
observate
Y t este generată de o relaţie similară:
S t  c Yt  (1  c ) S t 1
întrucât previziunea pentru următoarea perioadă este considerată egală cu valoarea netezită
curentă:
Y^ t (1)=Y^ t +1=St .
ˆ ˆ
Pentru perioada observată, seria cu valorile previzionate Ŷ1 , Y2 , ..., YT 1 , sau echivalent S1 , S 2 , ...,
S T este seria valorilor netezite. Atunci când este utilizată în scopul netezirii, metoda produce
valori mai netede atunci când c este aproape de zero, ponderile asociate valorilor curente, în
relaţia de recurenţă S t =c Y t +(1− c)S t−1 , fiind mici.

2.2. Metoda Holt-Winters fară sezonalitate

Metoda de netezire exponenţială simplă a fost extinsă pentru serii ce prezintă tendinţă. În
vecinătatea originii previziunii (momentul t), ajustarea seriei se realizează printr-o dreaptă:
Yˆt  h  at  hbt
unde h este orizontul de previziune, iar nivelul seriei at respectiv panta dreptei bt se modifică
conform unor relaţii de recurenţă asemănătoare cu cele din cazul metodei de netezire
exponenţiale simple:
at  Yt  1   ( at 1  bt 1 )
bt   a t  a t 1   1   bt 1
În aceste relaţii intervin două constante de netezire  ,   0,1. Prima ecuaţie descrie netezirea
nivelului (mediei) seriei, iar a doua descrie netezirea pantei tendinţei liniare locale.
Pentru perioada observată, previziunile se generează iterativ, la orizontul de previziune h  1
. Valoarea previzionată, la momentul t, pentru următoarea perioadă este:
Yˆt 1  at  bt .
Atunci când devine disponibilă o nouă observaţie Yt (şi originea previziunii devine t) parametrii
dreptei, termenul liber at asimilat cu nivelul sau media seriei respectiv panta dreptei bt se

ajustează conform relaţiilor de recurenţă. Nivelul seriei at la momentul t este o medie ponderată
a  bt 1  Yˆt şi noua observaţie disponibilă Yt . Panta
între nivelul său previzionat anterior t 1
dreptei bt la momentul t este o medie ponderată între panta estimată la momentul t prin saltul
nivelului seriei at  at 1 şi panta estimată la momentul precedent bt 1 .
Utilizarea relaţiilor de recurenţă necesită valori iniţiale pentru at respectiv bt . Varianta de
iniţializare întâlnită frecvent este: a1  Y2 şi b1  Y2  Y1 .
Constantele de netezire  ,   0,1 sunt determinate de regulă din condiţia minimizării
erorilor de previziune, fiind acele valori pentru care unul dintre indicatorii sintetici ai erorilor de
previziune este minim. De regulă aceste constante se determină din condiţia minimizării mediei
pătratelor erorilor de previziune:
1 T 1
T
 Yt 1  Yˆ 
t 1
2

1 T 1 2
T
 et 1  min
MSE = t  0 t  0

Previziunile, pentru un orizont de timp h, se situează pe dreapta locală ce are ca şi parametri:

YˆT (h)  YˆT  h  aT  hbT ,

valorile aT şi bT determinate la ultima iteraţie (utilizând toate datele disponibile Y1 , Y2 , ..., YT ).

2.3. Metoda Holt-Winters cu sezonalitate

Această variantă a metodei Holt-Winters este adaptată seriilor ce prezintă tendinţă şi

componentă sezonieră. Metoda implică trei ecuaţii de recurenţă, şi prin urmare trei constante de
netezire, una pentru nivelul seriei, una pentru panta dreptei de tendinţă respectiv una pentru
coeficienţii sezonalităţii. Notăm cu p perioada componentei sezoniere.
Tendinţa seriei este modelată local printr-o dreaptă, în mod similar cu varianta precedentă a
metodei. Ţinând seama de modelul de descompunere, aditiv sau multiplicativ, există două
variante ale metodei.

a) Modelul multiplicativ. Previziunile sunt estimate în baza unei ecuaţii de forma:

Yˆt  h  (at  h bt ) S t  p  h

unde nivelul seriei at , panta dreptei de tendinţă bt respectiv componenta sezonieră S t sunt
generate de relaţiile de recurenţă:
 Y 
at    t   1   at 1  bt 1 
 S t  p 

bt   a t  a t 1   1   bt 1
Y 
S t    t   1   S t  p
 at  .
Componenta sezonieră este reprezentată aici coeficienţii sezonalităţii. Estimaţia pentru
componenta sezonieră, la momentul t, este o medie ponderată între coeficientul sezonalităţii
estimat prin raportul între valoarea curentă şi nivelul seriei Yt / at şi ultima valoare a
St  p
coeficientului, generată pentru respectivul sezon (calculată la momentul t-p). În ecuaţia
 Y /S
pentru nivelul seriei at se utilizează valoarea desezonalizată curentă t t  p estimată prin
valoarea curentă împărţită la cea mai recentă estimaţie a indicelui sezonalităţii pentru respectivul
sezon.
Ca şi valori iniţiale, necesare în relaţiile de recurenţă, sunt sugerate următoarele:
p
1
a p= ∑ Y k ,
- media datelor ce acoperă primul ciclu sezonier p k =1 fiind astfel eliminată
sezonalitatea din nivelul iniţial al seriei;
1 Y p 1  Y1 Y p  2  Y2 Y2 p  Y p
bp  (   ...  )
- p p p p , fiecare termen din sumă fiind o estimaţie
pentru panta dreptei aferentă unui sezon;
- coeficienţii sezonalităţii sunt estimaţi prin coeficienţii determinaţi prin metoda raportării
la mediile mobile, varianţt multiplicativă. O altă variantă de lucru este următoarea:
Y Y Yp
S1  1 S 2  2 Sp 
ap ap ap
, , ..., .
Cele trei constante de netezire  ,  ,   0,1 sunt determinate din condiţia minimizării erorilor
de previziune.
Previziunile, pentru un orizont de timp h, sunt calculate utilizând estimaţiile aT , bT respectiv
ST  p  h
rezultate la ultima iteraţie:
YˆT  h  (aT  h bT ) S T  p  h
.

b) Modelul aditiv. Având în vedere compunerea aditivă a tendinţei şi componentei sezoniere,

previziunile sunt estimate în baza unei ecuaţii de forma:
Yˆt  h  at  h bt  S t  p  h

unde nivelul seriei at , panta dreptei de tendinţă bt , respectiv componenta sezonieră S t sunt
generate de relaţiile de recurenţă:
at   (Yt  S t  p )  1   at 1  bt 1 
bt   a t  a t 1   1   bt 1
S t   (Yt  at )  1   S t  p
.
unde  ,  ,   0,1 . Pentru iniţializarea coeficienţilor sezonalităţii se poate utiliza metoda
raportării la mediile mobile (model aditiv) sau diferenţele:
S1  Y1  a p S 2  Y2  a p S  Yp  a p
, , ..., p .
Previziunile, pentru un orizont de timp h, sunt determinate ţinând seama de forma aditivă a
modelului:
YˆT  h  aT  h bT  S T  p  h
.

Materiale suplimentare:
- sliduri atasate
- https://otexts.com/fpp2/holt.html
- Tutorial (pdf) Eviews