[Aprenda Time Series] - Suavização Exponencial Simples

Neste artigo, falaremos sobre as técnicas envolvidas na suavização exponencial de séries temporais.

Suavização Exponencial Simples

Suavização exponencial é uma técnica para suavizar séries temporais univariadas, atribuindo pesos decrescentes exponencialmente aos dados ao longo de um período de tempo.

Este é um método simples para modelar uma série temporal sem tendência ou sazonalidade clara. Mas a suavização exponencial também pode ser usada para séries temporais com tendência e sazonalidade.

Suavização Exponencial Tripla

Suavização Exponencial Tripla (TES) ou método Holt's Winter, aplica a suavização exponencial três vezes - suavização de nível lt, suavização de tendência bt e suavização sazonal St, com α, β ∗ e γ como parâmetros de suavização com 'm' como a frequência da sazonalidade , ou seja, o número de estações em um ano.

De acordo com a natureza do componente sazonal, o TES tem duas categorias:

• Método Aditivo de Holt-Winter - Quando a sazonalidade é aditiva por natureza.
• Método Multiplicativo de Holt-Winter - Quando a sazonalidade é multiplicativa por natureza.

Para séries temporais não sazonais, temos apenas suavização de tendência e suavização de nível, que é chamada de Método de tendência linear de Holt.

Vamos tentar aplicar suavização exponencial tripla em nossos dados.

Aqui, treinamos o modelo uma vez com o conjunto de treinamento e, em seguida, continuamos fazendo previsões. Uma abordagem mais realista é treinar novamente o modelo após uma ou mais etapas de tempo. 

Como obtemos a previsão para o tempo 't + 1' dos dados de treinamento 'até o tempo' t ', a próxima previsão para o tempo' t + 2 'pode ser feita usando os dados de treinamento' até o tempo 't + 1' como o real valor em 't + 1' será conhecido então. 

Essa metodologia de fazer previsões para uma ou mais etapas futuras e depois treinar novamente o modelo é chamada de previsão contínua ou validação de avanço.