Работали ли вы с сезонностью во временных рядах?

Да, работа с сезонностью — обязательная часть анализа большинства бизнес-рядов (продажи, трафик, энергопотребление).

Мои подходы к выявлению и учету сезонности:

1. Визуальный и статистический анализ:

   • Построение графиков ряда, скользящего среднего.
   • Анализ автокорреляционной функции (ACF) для обнаружения сезонных лагов (пики на лагах 7, 30, 365).

2. Моделирование:

   • SARIMA: Явное задание сезонных параметров (P, D, Q, m).

     # SARIMA(1,1,1)(1,1,1,12) для месячных данных с годовой сезонностью
     model = SARIMAX(series, order=(1,1,1), seasonal_order=(1,1,1,12))

   • Prophet: Автоматическое выделение нескольких сезонностей (суточной, недельной, годовой) и учет эффектов праздников.
   • Методы на основе декомпозиции: Прогнозирование тренда и сезонности по отдельности с последующей рекомпозицией.

3. Feature Engineering для моделей машинного обучения:

   • Добавление тригонометрических фичей (синус/косинус) для циклического кодирования времени.

     df['hour_sin'] = np.sin(2 * np.pi * df['hour'] / 24)
     df['hour_cos'] = np.cos(2 * np.pi * df['hour'] / 24)

   • Создание лаговых признаков (значение неделю/год назад).

Ключевой момент — проверка, является ли сезонность стабильной во времени, или ее амплитуда и форма меняются (например, из-за тренда).