A Comparative Analysis of Short Time Series Processing Methods

В статье анализируются традиционные методы обработки временных рядов, которые используются в задачах прогнозирования спроса для анализа коротких временных рядов. Как правило, анализируя данные спроса, которые рассматриваются в качестве временных рядов и представляют собой исторический спрос продукта в определенной единице времени, появляется необходимость прогноза, чтобы определить потенциальный спрос на этот продукт в будущем. Прогноз помогает снизить риски принятия решения, возникающие, например, при заказе необходимого количества продуктов на следующий период. Традиционно, анализ временных рядов основан на процессе поиска закономерностей в долгосрочном периоде, анализируя изменения значения в определенном моменте времени, в результате чего определяется прогноз в будущем. Цель прогноза - эффективно снизить влияние случайных факторов на конечный результат, а также помочь лицу, принимающему решение, выбрать правильную стратегию для принятия решения. Достоверность прогноза определяется при расчёте ошибки подхода или метода. Но на практике встречаются задачи, в которых историческая информация о спросе доступна с очень небольшим количеством статистических данных, это, например, торговля коллекционной одеждой, в медицине - анализ экспрессии генов, в фармакологии - анализ воздействия препарата в коротком временном интервале и т.д. В данной статье анализируются методы экспоненциального сглаживания, экспоненциального сглаживания с тенденциями развития и скользящего среднего. Описано построение и принципы работы этих методов. Целью статьи является проверка возможности применения этих методов, анализируя короткие временные ряды. Проведены исследования с использованием реальных данных спроса. Оценены результаты и предложены рекомендации по применению этих методов в анализе коротких временных рядов.