ウィンターズ法計算機：三重指数平滑
ホルト・ウィンターズ三重指数平滑法で、トレンドと季節性のある時系列を予測します。
時系列データを入力し、平滑化パラメータと季節周期を設定して「予測を計算」をクリックします。
ウィンターズ法計算機：三重指数平滑
ホルト・ウィンターズ三重指数平滑法で、トレンドと季節性のある時系列を予測します。
ウィンターズ法計算機について
ウィンターズ法はホルト・ウィンターズ三重指数平滑法とも呼ばれ、トレンドと繰り返す季節性を持つ時系列の予測に広く使われます。履歴データを水準、トレンド、季節性に分解し、加重平均から将来値を推定します。\n\nこの計算機は、季節変動が系列の水準に比例して変わる場合に適した乗法モデルを使います。Alpha、Beta、Gamma は最近の観測値への反応速度を調整します。\n\n季節周期は完全な季節サイクルの時間ステップ数です。月次データは 12、四半期データは 4、週次パターンの日次データは 7 を使用します。初期化には少なくとも 2 周期が必要です。
ウィンターズ法の例
異なる季節パターンの予測例です。
| シナリオ | 主要パラメータ | 用途 |
|---|---|---|
| 月次売上：1200,1350,1500,1800,2000,2200,2400,2600,2800,3000,3200,3500,1400,1600,1750,2100,2300,2500,2700,2900,3100,3300,3500,3800（24 点、周期=12） | α=0.3、β=0.1、γ=0.2 → 年間季節性と上昇傾向を把握 | 年間季節性のある月次小売データ。24 点は初期化に必要な 2 × 季節周期を満たします。 |
| 四半期収益：50000,60000,70000,80000,55000,65000,75000,85000（8 点、周期=4） | α=0.2、β=0.05、γ=0.15 → トレンドを平滑化し季節性を適度に調整 | 周期 4 の四半期データ。2 年分の履歴で最低条件を満たします。 |
| 週次需要：100,110,120,130,140,150,160,170,180,190,200,210（12 点、周期=4） | α=0.25、β=0.08、γ=0.18 → 上昇傾向と軽い季節補正を把握 | おおむね月次季節性のある週次需要です。ピークが明確なら gamma を上げます。 |
ウィンターズ法計算機の使い方
- 時系列データ欄に、等間隔で並んだ履歴値をカンマ区切りで入力します。
- データ周期に合わせて季節周期を設定します。月次・年次なら 12、四半期なら 4、日次・週次なら 7 です。
- Alpha、Beta、Gamma の平滑化パラメータを入力します。
- 予測期間数を入力し、「予測を計算」をクリックします。
- 予測表を確認し、パラメータを変えて結果を比較します。
ウィンターズ法 FAQ
加法モデルと乗法モデルの違いは？
加法モデルは季節変動の絶対値がほぼ一定の場合、乗法モデルは変動が水準に比例する場合に適しています。この計算機は乗法モデルです。
必要なデータ点数は？
水準と季節性を初期化するため、少なくとも 2 × 季節周期が必要です。周期 12 なら 24 点です。
alpha、beta、gamma はどう選ぶ？
α=0.3、β=0.1、γ=0.2 から始め、結果を見て調整してください。
季節周期とは？
完全な季節サイクルの時間ステップ数です。月次は 12、四半期は 4、週次パターンの日次は 7 です。
長期予測の精度が下がる理由は？
将来に進むほど水準、トレンド、季節性の不確実性が累積するためです。
負数やゼロに近い値を扱える？
乗法モデルはゼロ付近や負数で機能しません。加法モデルを使うか、全値を正に移動してください。