Holt (1957)和Winters (1960) 擴展了Holt的方法來捕捉季節性變化,該方法分爲預測方程和三個平滑方程,一個是水平lt ,一個是趨勢bt ,一個是季節性成分st ,採用平滑參數α,β∗ 和γ ,用m 代表季節性週期,例如一年中季節的數量,季的數量m=4 ,月的數量m=12 。
該方法有兩種在季節分量上的區分。當季節變化在整個序列上總體是固定的話,採用相加的方法。當季節變量隨着序列的水平呈比例變化時,採用相乘的方法。
採用相加的方法,季節性分量採用序列值的絕對項,在水平方程中序列通過減去季節分量來季節性地調整。每年的季節分量加起來大約爲零。
採用相乘的方法,季節飯量表示爲相對形式(百分比),通過除以季節分量來週期性地調整序列。在每年,季節分量之和大概等於m .
Holt-Winters 加法模型
y^t+h|tℓtbtst=ℓt+hbt+st−m+h+m=α(yt−st−m)+(1−α)(ℓt−1+bt−1)=β∗(ℓt−ℓt−1)+(1−β∗)bt−1=γ(yt−ℓt−1−bt−1)+(1−γ)st−m,
其中
h+m=⌊(h−1)mod m⌋+1 ,確定了季節性指標的估計源於最後一年的樣本。(
⌊u⌋ 代表不超過u的最大整數)。水平方程指出了季節調整量
(yt−st−m) 和非季節性預測
(ℓt−1+bt−1) 之間的加權平均。趨勢方程與Holt的線性方程一致。季節性方程表明了當前的季節性指標
(yt−ℓt−1−bt−1) 和去年的季節性指標的加權平均。
季節性分量常表示爲:
st=γ∗(yt−ℓt)+(1−γ∗)st−m
誤差修正形式爲:
ℓtbtst=ℓt−1+bt−1+αet=bt−1+αβ∗et=st−m+γet.
其中,
et=yt−(ℓt−1+bt−1+st−m)=yt−y^t|t−1 是一步訓練預測誤差。
Holt-Winters 乘法模型
y^t+h|tℓtbtst=(ℓt+hbt)st−m+h+m.=αytst−m+(1−α)(ℓt−1+bt−1)=β∗(ℓt−ℓt−1)+(1−β∗)bt−1=γyt(ℓt−1+bt−1)+(1−γ)st−m
誤差修正形式爲:
ℓtbtst=ℓt−1+bt−1+αetst−m=bt−1+αβ∗etst−m=st+γet(ℓt−1+bt−1)
其中
et=yt−(ℓt−1+bt−1)st−m
Holt-Winters 阻尼方法
一個經常達到最高精度的季節性方法是加入阻尼趨勢和乘法模型的Holt-Winters方法。
y^t+h|tℓtbtst=[ℓt+(ϕ+ϕ2+⋯+ϕh)bt]st−m+h+m.=α(yt/st−m)+(1−α)(ℓt−1+ϕbt−1)=β∗(ℓt−ℓt−1)+(1−β∗)ϕbt−1=γyt(ℓt−1+ϕbt−1)+(1−γ)st−m