Декомпозиция временных рядов в статистике¶

Декомпозиция временных рядов — метод статистического анализа, при котором наблюдаемый ряд разлагается на несколько ненаблюдаемых компонент: тренд, сезонную, циклическую и случайную (нерегулярную) составляющие. Применяется для описания структуры данных, прогнозирования, сезонной корректировки и выявления аномалий.

¶Основные компоненты

• Тренд (T) — долговременная тенденция изменения уровня ряда, отражающая медленные, устойчивые процессы.
• Сезонная компонента (S) — периодические колебания с фиксированным периодом (сутки, неделя, месяц, квартал, год), повторяющиеся из цикла в цикл.
• Циклическая компонента (C) — колебания с нефиксированным периодом, обычно связанные с экономическими или природными циклами.
• Случайная компонента (E) — остаток, не объяснённый перечисленными составляющими; включает шум и разовые выбросы.

¶Модели связи компонент

Различают две базовые формы:

На практике циклическую компоненту часто объединяют с трендом (тренд-цикл), а случайную — с сезонной, что даёт упрощённые схемы T + S + E или T × S × E.

¶Методы выделения компонент

¶Скользящее среднее

Классический приём: ряд сглаживается скользящим средним с окном, равным периоду сезонности. Для чётного периода применяют центрированное среднее. Полученная кривая служит оценкой тренд-цикла, а разность или отношение исходного ряда к ней — оценкой сезонной и случайной компонент.

¶Сезонная декомпозиция (X-11, X-12-ARIMA, X-13ARIMA-SEATS)

Итеративные процедуры, разработанные в Бюро переписей США, последовательно уточняющие оценки сезонных факторов и тренда. X-13ARIMA-SEATS — современный стандарт, используемый статистическими службами для сезонной корректировки официальных показателей.

¶STL (Seasonal-Trend decomposition using Loess)

Метод на основе локальной регрессии (loess), устойчивый к выбросам и позволяющий задавать гибкость тренда и сезонности независимо. Широко применяется в анализе данных и машинном обучении.

¶Регрессионные и спектральные подходы

Сезонность моделируется фиктивными переменными или тригонометрическими рядами Фурье; периодичности выявляются через периодограмму и спектральный анализ.

¶Применение

• Сезонная корректировка макроэкономических показателей (ВВП, безработица, розничные продажи) для сопоставления данных разных периодов.
• Прогнозирование: после декомпозиции тренд экстраполируется, сезонность переносится из прошлых циклов, что даёт основу для моделей прогноза.
• Контроль качества и мониторинг: отклонение от ожидаемой сезонной кривой сигнализирует об аномалии.
• Анализ бизнес-данных: выручка, трафик, энергопотребление, метеорологические наблюдения.

¶Ограничения

Декомпозиция не является однозначной: компоненты ненаблюдаемы, и их разделение опирается на допущения о форме связи и характере сезонности. При структурных сдвигах, меняющейся сезонности или коротких рядах оценки становятся неустойчивыми. Выбор аддитивной или мультипликативной модели, длины окна и метода сглаживания существенно влияет на результат, поэтому требуется содержательная интерпретация и проверка остатков.