Methode van Winters (Holt-Winters)

De methode van Winters effent een tijdreeks met drie componenten: niveau, trend en een seizoensindex per periode. Gebruik haar voor maand-, kwartaal- of ploegendienstgegevens met zowel trend als seizoen. Kies multiplicatief of additief seizoen en gewichten voor niveau, trend en seizoen (standaard elk 0.2). Er zijn ten minste twee volledige seizoenen zonder hiaten nodig. De uitvoer bestaat uit voorspellingen met uitwaaierende voorspellingsgrenzen en MAPE, MAD en MSD.

Laatst beoordeeld

Belangrijkste conclusie

De methode van Winters (Holt-Winters, of drievoudige exponentiële afvlakking) effent een tijdreeks met een niveau, een trend en seizoensindices en geeft voorspellingen die met de trend meegroeien en het seizoenspatroon herhalen.

Op deze pagina
  1. Doel
  2. Belangrijkste mogelijkheden
  3. Statistische methoden
  4. Invoervelden en opties
  5. Beschrijving van de uitvoer
  6. Uitgewerkt voorbeeld

Doel

De methode van Winters (Holt-Winters, of drievoudige exponentiële afvlakking) effent een tijdreeks met drie meelopende componenten: een niveau, een trend en een seizoensindex voor elke periode van het seizoen. De voorspellingen groeien met de trend mee en herhalen het seizoenspatroon. Gebruik haar voor maand-, kwartaal- of ploegendienstgegevens met zowel een trend als een seizoen, bijvoorbeeld om de vraag, het energieverbruik of de werkbelasting voor het komende jaar te voorspellen, wanneer het patroon langzaam in de tijd verandert.

Belangrijkste mogelijkheden

  • Multiplicatieve methode (de seizoensuitslag groeit met het niveau) of additieve methode (de uitslag blijft even groot).
  • Afzonderlijke gewichten voor niveau (alfa), trend (gamma) en seizoen (delta), standaard elk 0.2.
  • Startwaarden uit de gegevens of door u ingevoerde waarden, inclusief één seizoensindex per periode.
  • Voorspellingen met voorspellingsgrenzen die met elke periode vooruit breder worden, vanaf het einde van de reeks of vanaf een eerdere rij om de methode te toetsen aan bekende gegevens.
  • Nauwkeurigheidsmaten MAPE, MAD en MSD, een plot van de gegevens, aanpassingen en voorspellingen, een optionele resultatentabel en residuplots in vier-in-één-weergave.

Statistische methoden

Voor de multiplicatieve methode, met seizoenslengte p, worden de componenten elke periode bijgewerkt: niveau Lₜ = α·(yₜ / Sₜ₋ₚ) + (1 − α)·(Lₜ₋₁ + Tₜ₋₁); trend Tₜ = γ·(Lₜ − Lₜ₋₁) + (1 − γ)·Tₜ₋₁; seizoensindex Sₜ = δ·(yₜ / Lₜ) + (1 − δ)·Sₜ₋ₚ. De aanpassing voor periode t is (Lₜ₋₁ + Tₜ₋₁)·Sₜ₋ₚ, en de voorspelling m perioden na de oorsprong is (L + m·T) × de meest recente index voor die periode van het seizoen. De additieve methode trekt de seizoensterm af en telt hem op in plaats van te delen en te vermenigvuldigen.

Startwaarden uit de gegevens: het beginniveau en de begintrend zijn het snijpunt en de helling van een kleinste-kwadratenlijn door het eerste seizoen. Voor de multiplicatieve methode is elke beginindex het gemiddelde van die periode over alle gegevens gedeeld door het totale gemiddelde; voor de additieve methode is het het gemiddelde, voor die periode, van de residuen ten opzichte van een rechte lijn die aan de hele reeks is aangepast. De gewichten worden gebruikt zoals ingevoerd (leeg telt als 0.2); ze worden niet geoptimaliseerd. Met Starting values = User-specified voert u het beginniveau, de begintrend en p seizoensindices in.

De voorspellingsgrenzen zijn voorspelling ± z × dₘ × MAD, waarbij z het normale kwantiel voor het betrouwbaarheidsniveau is, MAD de gemiddelde absolute fout van de aanpassingen en dₘ toeneemt met het aantal perioden vooruit m (berekend uit het grootste van de drie gewichten). Nauwkeurigheid: MAPE = gemiddelde |fout / gegevens| × 100, MAD = gemiddelde |fout|, MSD = gemiddelde fout². De reeks heeft ten minste twee volledige seizoenen en geen hiaten nodig; de multiplicatieve methode vereist dat alle waarden groter zijn dan nul.

Invoervelden en opties

Veld

Beschrijving

Variable (Y)

Vereist. De numerieke reeks, in tijdsvolgorde.

Seasonal length

Vereist, ten minste 2. Perioden per seizoen, bijv. 12 voor maandgegevens met een jaarlijks patroon.

Method type

Multiplicative (standaard) of Additive.

First observation is in seasonal period

Standaard 1. De positie van de eerste rij in het seizoen, bijv. 6 wanneer het seizoen in januari begint en de gegevens in juni beginnen.

Level weight (alpha) / Trend weight (gamma) / Seasonal weight (delta)

0.0001 tot 1, standaard elk 0.2. Grotere waarden laten die component sneller reageren op recente gegevens.

Starting values

From the data (standaard) of User-specified.

Initial level / Initial trend / Initial seasonal indices

Gebruikt wanneer Starting values op User-specified staat; alle drie zijn dan vereist. Seizoensindices: gescheiden door komma of spatie, één per periode van het seizoen (Seasonal length waarden).

Number of forecasts

Standaard 0 (geen), maximaal 1000.

Confidence level (%) for forecast interval

Standaard 95. Actief wanneer voorspellingen worden gevraagd.

Forecast origin (row)

Optioneel, actief wanneer voorspellingen worden gevraagd. Voorspellingen beginnen na deze rij en gebruiken de gegevens tot en met die rij; leeg = einde van de reeks.

Results to display

Summary table (standaard) of Summary table and results table.

Residual plots (four in one)

Standaard niet aangevinkt.

Title

Titel van de uitvoer. Standaard Winters' Method.

winters-method-inputs


Figuur 1 — Multiplicatieve methode van Winters op de maandelijkse Sales, seizoenslengte 12, gewichten elk 0.2 en 12 voorspellingen.

Beschrijving van de uitvoer

  • Winters' Method (grafiek) — werkelijke gegevens, aanpassingen, voorspellingen en de voorspellingsband, met MAPE, MAD en MSD in de titel en de drie gewichten boven de plot.
  • Method — modeltype, gegevenskolom en lengte (plus de eerste seizoensperiode en de voorspellingsoorsprong indien ingesteld).
  • Smoothing Constants — α (niveau), γ (trend) en δ (seizoen).
  • Accuracy Measures — MAPE, MAD en MSD.
  • Forecasts — periode, voorspelling, onder- en bovengrens.
  • Results — indien gekozen: Period, data, Season, Level, Trend, Seasonal, Predict en Error voor elke periode.
  • Residual Plots — indien aangevinkt.
  • PDF-export via Download.

winters-method-output


Figuur 2 — De voorspellingen voor 2025 herhalen de jaarlijkse vorm op een hoger niveau, van een dieptepunt van 1,205 in februari tot 1,891 in december.

Uitgewerkt voorbeeld

Een distributeur van consumentenelektronica heeft een verkoopvoorspelling voor 12 maanden voor 2025 nodig die met de trend meegroeit en het jaarlijkse patroon van zwakke beginmaanden en een piek in december herhaalt. De analist heeft 60 maanden aan verkoopaantallen (januari 2020 tot en met december 2024). De analist selecteert Variable (Y) = Sales, Seasonal length = 12 en Method type = Multiplicative, houdt de drie gewichten op 0.2 en stelt Number of forecasts = 12 in.

De voorspellingen lopen van 1,317 in januari 2025, naar het dieptepunt van 1,205 in februari, tot 1,891 in december, met 95%-grenzen van 1,756 tot 2,026 voor december. De intervallen worden breder van ongeveer ±107 eenheden in januari tot ±135 in december. De MAPE is 4.2% (MAD 43.9 eenheden), veel beter dan de afvlakkingsmethoden zonder seizoen (8.3% tot 9.4%). December 2025 met 1,891 is te vergelijken met 1,759 in december 2024: ongeveer 7.5% groei.

Om de methode te toetsen, voorspelt Forecast origin (row) = 48 het jaar 2024 uit de gegevens tot en met december 2023. Elf van de twaalf werkelijke maanden vallen binnen de 95%-grenzen (februari 2024, met 1,176, ligt één eenheid boven de bovengrens), en de voorspellingen wijken gemiddeld 4.9% af; maar elke maand is te laag voorspeld, omdat de groei in 2024 aantrok. Met Method type = Additive daalt de MAPE naar 3.7%, dus een vast aantal eenheden per maand past iets beter bij dit seizoen dan een percentage. Gewichten van 0.4, 0.1 en 0.3 geven 3.8%, niet beter dan de standaardwaarden.

Veelgestelde vragen

Wanneer gebruikt u de methode van Winters?

Gebruik de methode van Winters voor maand-, kwartaal- of ploegendienstgegevens met zowel een trend als een seizoen, bijvoorbeeld om de vraag, het energieverbruik of de werkbelasting voor het komende jaar te voorspellen, wanneer het patroon langzaam in de tijd verandert. Voor een reeks zonder trend of seizoen is enkelvoudige exponentiële afvlakking de eenvoudiger keuze.

Wat is het verschil tussen de multiplicatieve en de additieve methode van Winters?

Bij de multiplicatieve methode groeit de seizoensuitslag met het niveau mee, zodat het seizoen als percentage wordt toegepast; alle waarden moeten groter zijn dan nul. Bij de additieve methode blijft de uitslag even groot, een vast aantal eenheden, en wordt de seizoensterm opgeteld en afgetrokken in plaats van vermenigvuldigd en gedeeld.

Hoeveel gegevens heeft de methode van Winters nodig?

De reeks heeft ten minste twee volledige seizoenen en geen hiaten nodig, bijvoorbeeld ten minste 24 maanden voor maandgegevens met een jaarlijks patroon. Startwaarden uit de gegevens gebruiken een kleinste-kwadratenlijn door het eerste seizoen voor het beginniveau en de begintrend.

Hoe worden de afvlakkingsgewichten gekozen?

De gewichten voor niveau (alfa), trend (gamma) en seizoen (delta) liggen tussen 0.0001 en 1, standaard elk 0.2. Grotere waarden laten die component sneller reageren op recente gegevens. De gewichten worden gebruikt zoals ingevoerd en niet geoptimaliseerd, dus vergelijk nauwkeurigheidsmaten zoals MAPE wanneer u alternatieven uitprobeert.