用 Prophet 做零售需求预测：从模型原理到工程实践

一、引言：从零售需求预测问题到 Prophet #

零售需求预测不仅要估计每个门店—商品组合未来每天的需求，还要识别历史销量中的时间规律、业务影响和观测限制。以一家制定未来四周补货计划的墨尔本超市为例：周末形成周期规律，促销和公共假日形成事件效应，需求水平的长期变化形成趋势；闭店、缺货或商品未在售则可能使观测销量降低或为零，但这不一定表示潜在需求同步下降。

Meta 开源的 Prophet 是一种时间序列预测方法，提供 Python 实现。它使用可分解模型组合趋势、季节性和节假日效应，并可加入额外业务变量 [1]。Prophet 更适合季节规律明显且历史数据覆盖多个季节周期的序列，因此本文不预设它适合所有零售序列。

本文构造了模拟零售场景的教学数据，以门店—SKU（库存管理单位）组合定义一条需求序列，以日为观测与预测粒度，预测未来 28 天的每日需求，并讨论如何将这一流程扩展到大规模多序列预测。 文章结合模型公式、参数估计、预测重建、时间回测和候选模型比较，分析 Prophet 在不同数据条件下的适用条件与边界。文中的数据和业务参数均为教学设定，不代表任何企业的实际经营规律。

正文先定义预测对象并建立教学案例，再依次说明 Prophet 的模型结构、数据处理、模型配置、MAP 参数估计和每日预测重建。随后通过时间回测、误差诊断和参数实验评价模型，比较间歇性需求方法、ARIMA、树模型与跨序列建模方案。最后讨论批量训练、预测交付、监控和回退。完整 Python 代码、配套 Notebook 和运行说明见 GitHub 仓库：retail-demand-forecast。

二、需求预测项目：从预测对象到案例设定 #

销量与需求：先确定预测对象 #

本文约定如下：store_id 唯一标识一家门店，product_id 标识一个产品概念，sku_id 标识具有具体规格、容量、包装或销售单位的库存管理单位（SKU）。同一个 product_id 可以对应多个 sku_id。例如，某品牌意面的 500 g 袋装和 1 kg 袋装可以共享一个 product_id，但分别使用不同的 sku_id。

一条需求序列由 store_id 和 sku_id 共同定义；每个日级观测通过业务日期 business_date 标识，因此日级记录键为 store_id + sku_id + business_date。不同企业的商品主数据结构可能不同，接入真实系统时应以实际定义为准。

在此粒度下，团队还需明确预测目标：模型应预测系统记录的实际销量，还是顾客在供给不受限时希望购买的潜在需求？实际销量可以直接观测；潜在需求更接近补货决策所需的目标，但在缺货期间通常需要另外估计。两种目标对应不同的数据处理、模型解释和业务用途。

实际销量同时受潜在需求和有效供给约束。例如，顾客希望购买 100 件，但当天只能满足 60 件需求，最终最多售出 60 件。在门店正常营业，且不考虑替代购买、渠道转移和延迟购买的简化条件下：

记号说明：

这三个数量均非负，并采用相同商品、门店和日期口径。此式简化了日内供需到达顺序，因此不能仅凭当天总库存推断是否发生缺货。

真实业务还涉及替代购买、渠道转移和延迟购买，但上述关系已经说明：发生缺货时，观测销量是对潜在需求的删失观测（censored observation）。如果直接把受供给限制的销量当作完整需求训练模型，模型可能低估真实需求。

生产数据至少需要区分以下状态：

教学基准在模型目标列中屏蔽缺货日，同时保留原始销量和缺货标记，以避免模型将受供给限制的销量解释为低需求。模型随后使用其余有效营业日的销量拟合需求规律，但这不等于恢复了缺货日的潜在需求；被屏蔽日期仍需通过专门的需求修复方法估计。

教学案例：销售数据生成与时间划分 #

本文为教学案例构造了一条模拟澳大利亚大型超市高频食品的日销量序列。数据覆盖 2023 年 1 月 1 日至 2025 年 12 月 31 日，共 1096 天；模型使用截至 2025 年 12 月 3 日的数据训练，并预测最后 28 天。所有数据和业务规律均为教学设定，不代表任何企业的实际销售情况。

该案例旨在展示趋势、周期、假日、折扣、缺货和闭店如何影响销量。它代表非零观测较多的高频需求，不覆盖大量零销量的间歇性需求；相关模型将在第七章讨论。

假设门店正常营业，当天的无噪声需求均值由趋势、周末、年周期、假日与折扣贡献叠加，并加入随机噪声得到：

其中，\(\mu_t^{\mathrm{open}}\) 表示假设门店正常营业时的无噪声需求均值；\(t\) 是自 2023 年 1 月 1 日起的日数，\(W_t\)、\(H_t\) 和 \(q_t\) 分别表示周末、公共假日和折扣比例。\(D_t^{\mathrm{sim}}\) 是加入随机噪声后的仿真潜在需求。

\(\epsilon_t\) 是独立同分布的随机噪声，跨日期服从均值为 0、方差为 \(6^2\) 的正态分布，因此标准差为 6 件。上标 open 和 sim 分别表示假设正常营业的情景和仿真量。

在得到潜在需求后，还需经过营业和供给约束，才能生成销售记录。营业日取需求与供给中的较小值并按件取整；闭店日则直接记为零：

有效供给量采用以下简化规则：

其中，\(O_t\) 是 0/1 营业状态，\(V_t\) 是有效供给量，\(y_t^{\mathrm{sales}}\) 是经过供给约束并按件取整后的观测销量。代码通过 \(O_t\) 将闭店销量设为零。固定的 20 件上限仅用于生成教学数据；本例没有模拟连续变化的库存轨迹。

折扣 \(q_t\) 在每 14 天的前 7 天为 0.20，其余为 0；营业日以 3% 概率随机标记缺货。教学门店在 Good Friday（受难周五）与圣诞节闭店，其余日期按全天营业处理。实际使用时，需要根据商店类别与适用许可核对交易限制，并提供门店营业日历 [2]。

生成的 CSV 包含日期 ds、原始观测销量 y、营业标记 is_open、闭店假日标记 is_closed_holiday、折扣 discount 和缺货标记 stockout。这些字段在真实业务系统中通常可以记录或预先确定。文件还保留 conditional_mean 和 latent_demand，用于核对合成数据的生成机制和诊断模型误差；这两列不作为模型输入，真实业务通常也无法直接观测。

原始观测销量是构造模型目标列的基础。训练前，缺货日和闭店日对应的目标值将被设为缺失，但原始 CSV 仍保留销售记录。闭店日的潜在需求表示“假设营业”的反事实（counterfactual）；本例未模拟 ANZAC Day 的营业时段缩短。

下图先展示完整三年销量，再放大包含折扣、缺货和闭店的 21 天窗口。

下表列出同一窗口中的日级样本，只展示上述六个现实业务字段。3 月 30 日发生缺货，观测销量受 20 件供给上限约束；4 月 7 日因 Good Friday 闭店，观测销量记为零。

这组平滑周期与稳定的加法效应便于将生成公式和拟合组件逐项对照。在改变种子、日期或公式后，需要重新运行模型，并更新正文的组件值与评估结果。完整生成过程及字段说明请参见数据生成 Notebook。

三、Prophet 的建模理论：怎样表达时间与业务规律 #

本章从模型结构出发，解释 Prophet 如何表示需求序列中的时间规律和业务影响。Prophet 将需求序列分解为趋势、季节性、节假日效应和额外业务变量，并为每个成分建立相应的数学形式。读者可以对照第二章的数据生成规则，理解这些规律如何进入模型。第四章和第五章将分别说明输入转换与参数估计。

为避免工程术语与统计术语混用，本文先作统一约定。数据表中的 y 在机器学习中称为目标变量，在统计建模中也称响应变量；用于拟合的一行数据称为训练样本，在似然推导中称为观测；模型输入列统称特征，其中参与回归计算的变量也称回归变量或协变量。工程流程可以批量训练模型，单个 Prophet 模型则通过拟合估计参数。本文中的标签仅表示数据管道中已观测的目标值或其可用状态，不应与无法直接观测的潜在需求混为一谈。

从加法模型（additive model）理解预测 #

本文用 \(t\) 表示从固定起点开始计算的天数，用 \(y(t)\) 表示第 \(t\) 天观测到的目标变量，用 \(\hat y(t)\) 表示模型给出的点预测。为便于解释，本章公式采用天数和销量件数等业务尺度。Prophet 在拟合时会对时间和目标值进行内部缩放，因此比较公式参数与模型内部参数之前，需要先统一尺度。每个符号在首次出现时定义，后文继续沿用；内部缩放后的量在符号上方加波浪号。

Prophet 的加法模型将每天的观测值表示为几部分之和：长期趋势、重复出现的季节性、节假日与业务事件效应，以及模型尚未解释的随机误差。各部分采用与目标变量相同的加法尺度：

变量说明：

如果还提供折扣率、陈列状态等业务特征，模型会为每个特征估计相应系数，并将“特征值乘以系数”的贡献加入预测。这些输入称为额外回归变量（extra regressors），它们与系数的内积构成回归成分：

新增的回归项记号如下，其余沿用上式：

在加法模式下，目标变量、趋势、季节性、事件效应和回归成分使用相同单位，例如件/天。预测时，模型将拟合后的趋势、季节性、事件效应和回归成分相加，得到点预测 \(\hat y(t)\)；随机误差项 \(\varepsilon_t\) 描述观测值围绕这些系统性成分的未解释波动。预测区间还会结合观测噪声和未来趋势变化等不确定性，第六章将进一步讨论其含义。

因此，Prophet 更接近带有时间结构的回归模型。给定未来 28 天的日期和业务输入，模型可以直接计算每天的预测；默认模型不会自动利用昨日销量或残差之间的时间依赖，这类结构需要另外建模。第五章将以 Boxing Day 约 129.62 件的预测为例，核对各组件如何相加得到最终结果。

趋势：怎样表达增长、转折与饱和 #

线性趋势：每天按固定数量变化 #

线性趋势模型假设：需求量每天以固定数量增加或减少，从一个基础水平开始变化。将每天的变化量乘以经过的天数，再加上起始水平，即得到线性趋势（linear trend）：

变量说明：

根据第二章的数据生成规则 \(85+0.015t\)，若不考虑周末、季节、节假日和折扣等短期因素，该商品在 2023 年 1 月 1 日的趋势基准为每天 85 件，随后每天增加 0.015 件，相当于每年约增加 5.48 件。这种缓慢上升的趋势可解读为社区人口增长、门店成熟或长期客流增加等因素的综合体现。需要注意的是，这些仅是教学场景中的业务解释，不代表模型能够识别具体成因。

趋势值并非最终观测销量。实际销量还会受到季节性、节假日、折扣、随机波动和供给限制等因素影响。拟合趋势也会吸收其他模块的平均水平，因此其参数不必与生成值逐项相同。教学模型在 12 月 4 日的趋势值约为 105.50 件，到月底累计增加约 0.46 件。周末增量的分配方式将在下一节阐述。

变点：在保持连续的同时改变斜率 #

线性趋势假设增长速度恒定，但在实际业务中，长期变化很少完全符合此假设。Prophet 模型因此引入一组候选变点（changepoints），允许趋势在这些时点调整斜率。

对于每个候选变点，模型构造一个指示变量：当日期位于变点之前时取 0，到达变点当天及之后则取 1。设 \(J\) 个候选变点的位置为 \(c_1,\ldots,c_J\)，对应的指示变量为：

记号说明：

当时间到达第 \(j\) 个变点后，\(a_j(t)\) 从 0 变为 1，趋势斜率随之增加 \(\delta_j\)。模型同时引入截距调整量 \(\gamma_j\)，以避免趋势值在斜率改变时发生突变。由此得到连续的分段线性趋势表达式：

记号说明：

\(\gamma_j\) 并非独立估计的自由参数，而是由连续性约束 \(\gamma_j=-c_j\delta_j\) 确定。在 \(t=c_j\) 时，新增的斜率贡献 \(c_j\delta_j\) 与截距调整量恰好抵消，从而使趋势值保持连续，仅后续斜率发生变化。此关系适用于分段线性趋势，而分段 logistic 趋势则采用不同的连续性规则。

例如，假设当时间到达 \(t=100\) 时，趋势斜率从每天 0.02 件增至每天 0.05 件，则斜率变化量 \(\delta=0.03\) 件/天，截距调整量 \(\gamma=-100\times0.03=-3\) 件。在变点处，新增的斜率贡献 \(0.03\times100=3\) 件与 −3 件的截距调整恰好抵消，因此趋势值不会跳变。此后，趋势值每天比原斜率下的延伸值额外增加 0.03 件。此例仅用于说明连续性原理，教学案例并未设置此类趋势转折。

候选变点的位置与斜率变化量确定于两个不同阶段。在本文所验证的 Prophet 1.4.0 版本中，若用户未手动提供变点日期，默认配置会生成 25 个候选变点。由于本文的训练历史数据足够长，实际候选变点数量为 \(J=25\)。模型首先排除目标值 y 缺失的记录，然后从训练历史的前 80% 有效观测中近似等距设置候选位置。对于完整的日级序列，这些位置在日历上亦近似等距。候选日期随后被转换为内部时间坐标 \(c_1,\ldots,c_J\)；这些位置在参数优化前便已确定，并非优化器从所有日期中搜索得到 [3, 4]。

拟合过程中，Prophet 在同一目标函数中联合估计初始斜率 \(k\)、截距 \(m\)、各候选位置的斜率变化量 \(\delta_1,\ldots,\delta_J\)，以及季节性、节假日和额外回归系数。本文中 \(J=25\)，因此 model.params["delta"] 包含 25 个对应的斜率变化量。稀疏性诱导先验（sparsity-inducing prior）促使多数 \(\delta_j\) 收缩至接近零，仅在数据提供足够支持的位置保留较大的变化；changepoint_prior_scale 值越大，趋势通常表现出更大的灵活性。截距调整量 \(\gamma_j\) 再根据 \(c_j\) 和 \(\delta_j\) 的连续性约束确定。

尽管教学案例未人为设置趋势转折，模型仍会使用上述候选位置和收缩机制。模型拟合后，可通过 model.params["delta"] 检查各候选位置对应的斜率变化量。候选位置仅表示模型允许斜率在此处改变；只有当估计出的 \(\delta_j\) 明显偏离零时，才说明拟合结果在该位置保留了显著的斜率变化。

趋势变化可能与客流、商品陈列或门店调整等因素有关。模型只能估计变化的位置和幅度，具体成因仍需业务记录支持。

Logistic 趋势：接近饱和水平时逐渐放缓 #

以一家新开的社区超市为例：某款高频食品上架后，随着附近顾客逐渐了解门店并形成复购，日需求量在前期可能呈现较快增长。当商圈内的潜在客群和购买频率趋于稳定后，长期需求量可能逐渐接近每天 200 件，而非继续以固定速度增长。

如果历史数据和业务判断均支持这种逐渐趋于稳定的增长过程，那么恒定斜率或分段线性趋势可能不再适用。因此，Prophet 模型也支持 logistic 增长（logistic growth，亦称逻辑斯蒂增长）。当上下限固定且增长速率为正时，趋势将沿 S 形曲线上升，并在接近上限时逐渐放缓。不考虑变点时，其表达式为：

记号说明：

当 \(C(t)=C\)、\(F(t)=F\) 为固定值且 \(\rho>0\) 时，logistic 趋势具有以下基本特性：

• 当 \(t\) 远小于 \(t_0\) 时，\(g(t)\) 接近下限 \(F\)。
• 当 \(t=t_0\) 时，\(g(t_0)=(F+C)/2\)，趋势值位于上下限的中点。
• 当 \(t\) 远大于 \(t_0\) 时，\(g(t)\) 接近上限 \(C\)。
• \(\rho\) 控制曲线在 \(t_0\) 附近上升的快慢；\(\rho\) 值越大，变化越集中，曲线越陡峭。

下图以固定下限 \(F=0\)、固定上限 \(C=200\) 为例。趋势在 \(t=t_0\) 时达到中点 100 件，并在该位置附近增长最快；此后增速逐渐放缓，趋势不断接近但不会穿过上限。

本文的教学案例采用线性趋势，图中的 logistic 设置仅用于扩展实验说明。上限 200 仅用于说明函数性质，不代表该商品的真实需求上限。生产模型中的上下限需要具备业务依据，并通过历史数据和时间回测进行检验。

此处使用 \(\rho\) 和 \(t_0\)，旨在避免与线性趋势中的斜率 \(k\) 和截距 \(m\) 混淆。当上下限固定时，\(t_0\) 亦是曲线的拐点；而当 cap 或 floor 随时间变化时，上述对称性、渐近性质和拐点位置不再完全成立，需结合边界函数进行解释。cap 和 floor 应反映具有业务依据的饱和水平 [5]。

货架库存决定当天能够满足多少需求，cap 描述的则是趋势成分可以接近的饱和上限。 两者含义不同，需分别设定。若直接将当天库存作为 cap，则会将已有的供给限制引入需求预测中。此外，需要注意 logistic 边界仅约束趋势成分；叠加季节性、节假日效应和额外回归成分后，最终预测仍可能高于 cap 或低于 floor。

在实际项目中，新开门店、首次进入某商圈的商品或处于导入期的新品，都可能经历从增长到趋稳的过程。AI/ML 工程师应结合序列长度、业务阶段和市场容量，判断是否需要将线性趋势与 logistic 趋势同时纳入候选模型，并通过时间回测比较两者，而非仅凭观察到的曲线形状做出选择。

使用 logistic 趋势时，历史数据除 ds 和 y 外，还必须为每个日期提供 cap；未来预测数据也必须以相同口径提供 cap。如果需要设置非零下限，历史区间和预测区间还应提供 floor，并确保每个日期都满足 cap > floor。边界可以随时间变化，但其未来取值必须在预测时已知，或能够根据业务规则预先确定。模型初始化时，还需显式设置 Prophet(growth="logistic")；否则 Prophet 默认采用线性趋势 [5]。

实际项目不应仅凭历史最大销量设置 cap，而应综合考量相似门店或商品在成熟期的表现、商圈潜在客群、商品渗透率和业务规划，并在回测中检验结果对边界设定的敏感性。对于缺少自身销售历史的新店或新品，还需要借助相似序列、分层信息或冷启动规则；启用 logistic 趋势本身并不能解决数据不足的问题。

季节性：用傅里叶级数描述重复规律 #

销量在一周或一年中呈现季节性，表现为随日期重复出现的高低变化。Prophet 使用傅里叶级数（Fourier series）来描述这种周期结构。

从时域（time domain）看，季节性是一条随时间重复变化的曲线；从频率角度看，这条曲线可以分解为多组不同频率的正弦和余弦波。低频波形捕捉周期内宽缓的变化，高频波形则补充局部的起伏。将这些周期基函数按不同权重叠加，就能表达或逼近平滑的周内及年内规律。

Prophet 并非通过快速傅里叶变换（FFT）从频域中提取周期。模型会根据日期和预设周期长度构造傅里叶基函数，并在拟合时将这些基函数系数与趋势、节假日、以及额外回归变量的参数联合估计。对于周期长度为 \(P\) 的季节性成分，可以写成：

记号说明：

本文以天为时间单位，因此 \(P\) 也按天计算。当多种季节性同时存在时，基本模型中的 \(s(t)\) 是各个 \(s_P(t)\) 之和。

在 Prophet 中，公式中的周期长度 \(P\) 对应 period，傅里叶阶数 \(N_P\) 对应 fourier_order。本文将周季节性设为 \(P=7\)、\(N_P=3\)，年季节性设为 \(P=365.25\)、\(N_P=5\)。这些设置规定了模型可以使用的周期函数，但并未直接指定周末销量增加的具体幅度；各个傅里叶系数仍需由训练数据估计。

理解这组设置，需要区分数据采样频率、周期长度和曲线复杂度：

日期怎样形成特征，销量又在何时参与？ #

为便于理解，我们将某个周一设为 \(t=0\)，周二设为 \(t=1\)，依次到周日的 \(t=6\)。将这些时间值代入正弦、余弦函数，即可得到对应的周周期特征。以第一阶为例：

周一与下一周一获得相同的特征值，这表明这组函数每七天重复。第二阶和第三阶的计算方法相同，只需将公式中的 \(n\) 分别替换为 2 和 3 即可。

日期决定基函数，销量用于估计基函数的系数。 给定 \(P\) 和 \(N_P\) 后，模型会直接根据日期构造正弦、余弦特征，此过程不涉及销量。以三阶周季节性为例，每个日期将生成六个确定的特征值。若训练数据包含 1,000 个有效日期，将形成一个 1,000 行、6 列的特征矩阵：每行对应一个日期，每列对应一个基函数。\(u_{P,n}\) 和 \(v_{P,n}\) 则是待估参数，需与趋势、节假日、额外回归变量及噪声参数一起，根据训练期销量联合估计。

从整体上看，这个联合估计问题可概念性地表述为：

其中，\(\mathbf X\) 包含拟合前已确定的日期和业务特征，\(\mathbf y\) 是训练期观测销量，\(\theta\) 汇总了所有待估参数。季节性系数 \(u_{P,n}\)、\(v_{P,n}\) 仅是 \(\theta\) 的一部分，不会脱离趋势及其他模型成分单独求解。此外，联合估计并不意味着模型能自动识别业务原因：若促销集中在周末，促销特征与周季节性特征可能共同解释同一部分销量变化。第五章将在这一整体框架下说明 MAP 参数估计。

周期长度和傅里叶阶数分别控制什么？ #

周期长度 \(P\) 决定规律的重复周期，傅里叶阶数 \(N_P\) 则决定模型在一个周期内能表达的细节量。当阶数为 \(N_P\) 时，模型将生成 \(2N_P\) 列正弦、余弦特征，并估计相同数量的系数。

教学数据中的 \(W_t\) 在周六、周日取 1，其余日期取 0，因此 \(16W_t\) 表示周末需求比工作日高 16 件。这种模式类似于每七天重复的阶梯波。对于日级数据，一周仅有七个观测位置；去除周平均水平后，还剩下六个可独立变化的方向。三阶傅里叶恰好生成六列特征，因此足以在七个离散位置上表达该周模式。模型的基准水平会吸收 \(16W_t\) 的周平均贡献，而周季节性成分则表达各星期相对于周平均水平的偏移。

这里的“能够表达”特指每天一个观测值的离散时间点。如果将时间视为连续变量，傅里叶函数在相邻日期之间仍是平滑曲线，不会形成具有垂直边缘的连续方波。

年周期项本身是一条正弦波，仅包含周期为 365.25 天的一阶谐波，因此 \(N_P=1\) 已具备足够的表达能力。本文初始设置 \(N_P=5\)，这意味着模型还可使用二至五阶谐波来表达更精细的年内变化；这些额外波形并非还原教学数据生成规则所必需，也可能增加拟合噪声的风险。内部验证最终选择年阶数为 1，这与已知的数据生成机制保持一致。

周期长度和傅里叶阶数定义了模型的表达空间，但并不保证拟合结果能完全还原生成公式。实际训练中，季节性系数需与趋势、节假日和折扣系数联合估计，并会受到随机噪声、缺失目标值及先验收缩的影响。真实项目应通过时间回测来选择 \(N_P\) 和 seasonality_prior_scale：前者控制曲线的细节表达能力，后者控制季节性系数的收缩强度。可靠地估计年周期还要求历史数据覆盖足够多的完整年度和业务变化。

季节性系数应该怎样解释？ #

同一阶的正弦与余弦系数需结合解释：两者共同决定该阶波动的幅度和相位。改变时间起点可能会改变单个系数，但不一定会改变最终曲线。因此，业务解释应关注全部阶数叠加后在具体日期产生的季节性贡献，而非孤立解释某个傅里叶系数。每一阶描述的是一种数学频率，不一定对应某个独立的业务机制；周末客流、排班、促销、营业时间等因素可能共同反映在同一条季节性曲线上。

在加法模式下，季节性贡献与目标变量 y 的单位相同。日级数据只能识别日期之间的周期变化，无法识别一天内部的小时规律，因此本文不建模日内季节性。第五章将说明如何提取系数并重建每日贡献。

节假日和促销：把事件日历与促销计划转成模型输入 #

节假日和促销是趋势与季节性之外的业务输入，但数据形式不同：节假日通常表示为离散事件特征，而折扣可以表示为连续回归变量。与季节性建模类似，模型首先根据给定的业务信息构造特征，然后通过训练期销量估计相应系数。

节假日：用事件日历构造指示特征 #

节假日和商业活动通常发生在可以预先确定的日期。Prophet 根据事件日历为每个日期生成指示特征，再估计这些特征对应的系数。某个事件未在日期 \(t\) 生效时，其特征值和贡献均为零；多个事件同时生效时，各项贡献相加：

记号说明：

事件名称、日期和窗口属于拟合前给定的配置；\(z_\ell(t)\) 由此确定，不需要使用销量计算。各事件特征的系数 \(\kappa_\ell\) 则由 model.fit() 与趋势、季节性和其他参数联合估计。

事件影响不一定只发生在当天。节前采购、节后回落或连续多日的活动，可以用事件窗口表达 [6]。窗口中的每个相对日期可以对应一个独立特征和系数，例如“节日前一天”和“节日当天”；模型不会预先假定这些日期具有相同影响。

例如，门店已知将在圣诞节当天闭店，顾客可能把节日期间所需商品的采购提前到圣诞节前一天。建模时，可以为“圣诞节前一天”生成独立的事件特征，用对应系数估计提前采购带来的销量变化。圣诞节当天的闭店状态仍需单独处理，不能用假日系数代替。前一天的系数是否为正、增加多少，应由历史观测估计；事件窗口只是允许模型表达这种提前采购效应，并不预先假定它一定存在。

教学数据中的假日项写为 \(28H_t\)，其中日期 \(t\) 为设定的公共假日时 \(H_t=1\)，否则为 0；因此在假设门店正常营业的需求均值中，公共假日增加 28 件。教学案例将假日窗口设为 0，只估计假日当天的效应；Prophet 则按假日名称分别估计系数，例如 Boxing Day 的拟合贡献约为 +33.06 件。

Good Friday 和圣诞节对应的目标值因闭店而被排除，因此这些事件特征没有可用于估计系数的有效观测。此时得到的零系数反映的是训练信息不足和先验收缩，不能解释为真实需求效应为零。本文保留这些列用于检查，实际模型可以移除没有有效观测的事件特征。

公共假日日历不等同于门店的完整业务日历。国家级假日可以作为起点，但还需要核对门店所在州的假日、商场营业安排以及企业自己的促销活动。模型只能学习数据中已经定义的事件；遗漏或错误的日历不会由模型自动修正。

促销：用连续业务变量表达折扣影响 #

教学数据使用 \(130q_t\) 表示折扣对需求的线性贡献，其中 \(q_t\) 是日期 \(t\) 的折扣比例。八折销售对应 \(q_t=0.20\)，因此该项使当天的无噪声需求均值增加 26 件。Prophet 可以将折扣作为连续回归变量：变量值乘以模型估计的系数，得到它对当天预测的贡献：

记号说明：

折扣比例 \(q_t\)、加法或乘法模式、是否标准化及先验尺度，需要在拟合前确定；折扣系数 \(\beta_{\text{discount}}\) 则由 model.fit() 与其他参数联合估计。本文设置 standardize=False，直接使用原始折扣比例，因此折扣增加 0.01，即增加一个百分点时，预测贡献增加 \(0.01\beta_{\text{discount}}\)。如果启用标准化，系数对应的是标准化后的变量变化，不能再按原始百分点直接解释。

教学案例拟合得到 \(\beta_{\text{discount}}\approx132.62\)。当 \(q_t=0.20\) 时，折扣贡献约为 +26.52 件，接近生成公式中的 26 件。这个数值只是折扣变量的单项贡献，不包含趋势、季节性和节假日效应。案例中的折扣每 14 天出现一次，因此总是落在相同的星期位置；历史中仍需同时包含该星期的促销日和非促销日，模型才有信息区分折扣效应与周季节性。

教学数据只包含 \(q_t=0\) 和 \(q_t=0.20\) 两种折扣水平。实际门店为了清仓降价（markdown pricing）或加快商品周转，可能采用 40% 或 50% 的折扣，对应 \(q_t=0.40\) 或 \(q_t=0.50\)。把这些取值直接代入当前线性模型，会分别得到约 +53.05 件和 +66.31 件的折扣贡献；但这只是把从 0% 到 20% 折扣中估计的线性关系外推到训练范围之外，并不表示历史数据已经支持这种增长幅度。

特别是当 \(q_t=0.50\) 时，深度折扣可能迅速导致商品售罄。此时，观测销量最多只能达到可供库存；售罄后的零销量也表示无货可卖，而不是顾客没有需求。因此必须区分观测销量与潜在需求：缺货期间的销售记录属于受供给约束的删失观测，不能直接用于估计深度折扣带来的完整需求增量。

用于预测的业务输入必须覆盖整个预测区间。节假日可以根据日历预先生成，未来折扣则需要来自已经确定的促销计划（promotion plan）；如果折扣计划尚未确定，就需要分别构造不同促销情景，或者先预测该变量，不能直接沿用历史值。

当前回归形式假设每增加一个百分点的折扣都会带来相同的边际贡献。实际促销可能存在启动阈值、边际收益下降、陈列与折扣的交互、同类商品之间的替代，以及提前购买导致的后续回落；清仓折扣还常与商品生命周期和库存压力同时发生。需要表达这些机制时，可以构造折扣区间、分段线性项、非线性项、交互项或滞后特征，再通过时间回测判断它们是否改善预测。

最后，\(\beta_{\text{discount}}\) 描述的是模型中的条件关联。零售商可能在预计需求较弱时安排促销，价格、活动和潜在需求也可能同时变化，因此该系数不能直接解释为促销造成的销量增量。若要估计促销的因果效应（causal effect）或价格弹性，还需要相应的研究设计和识别假设。

加法还是乘法：增长的是件数，还是比例 #

加法效应描述固定数量的变化（例如“周末增加 16 件”），而乘法效应描述相对于趋势水平的比例变化（例如“周末增加趋势的 20%”）。这两种效应可以并存：模型可以先按比例调整趋势，再叠加以件数表示的贡献。将预测均值与观测误差分离，可表示为：

变量说明：

两种模式的差异会随趋势水平而放大。例如，某个周期效应为 20%：当趋势为 100 件时，它贡献 20 件；当趋势升至 150 件时，它贡献 30 件。相比之下，若加法效应固定为 20 件，则无论趋势是 100 件还是 150 件，其贡献始终保持 20 件。

Prophet [7] 支持在同一模型中组合加法与乘法成分。具体模式需在拟合前配置，各成分的系数仍由 model.fit() 联合估计。趋势 \(g(t)\) 作为其他成分作用的基准，本身不归类为加法或乘法模式。

在本文的教学案例中，由于 \(16W_t\)、\(28H_t\) 和 \(130q_t\) 表示固定件数的增量，因此周季节性、节假日和折扣回归项均采用加法模式，前文计算的各项件数贡献可以直接相加。乘法模式未在教学案例中单独验证，因此不能从当前实验推断其在其他零售序列上的效果。

尽管接口支持混合模式，但这不代表实际项目应默认采用此组合。选择时，应判断波动幅度是否随趋势水平同步扩大，并通过时间回测来比较候选配置的优劣。改变任何成分的模式后，都需重新拟合模型，并根据件数或比例重新解释对应组件的贡献。

第三章回顾 #

本文的教学案例均采用加法模式。为便于对照，本章开头的整体模型在此再次列出：

其中，\(g(t)\)、\(s(t)\)、\(h(t)\) 和 \(\mathbf{x}_t^\top\boldsymbol\beta\) 分别对应趋势、季节性、节假日和额外业务变量，\(\varepsilon_t\) 表示模型尚未解释的观测误差。若某些成分采用乘法模式，则应使用前述 \(g(t)[1+E_{\mathrm{mult}}(t)]+E_{\mathrm{add}}(t)\) 的组合形式；上式则专门对应本文的全加法教学案例。

下表汇总了每个成分所解决的业务问题、拟合前需确定的结构，以及 model.fit() 中待估计的参数。

需要注意的是，前文使用 \(\rho\) 和 \(t_0\) 解释简化 Logistic 曲线的形状，这两个符号是便于理解的数学记号，不应直接视为 model.params 中的同名字段。Prophet 完整的 Logistic 趋势还包含变点对应的增长率调整和连续性约束。

表中列出的模型结构和输入定义需在拟合前确定，最后一列的参数则由 model.fit() 联合估计。第四章将阐述如何将历史记录和未来已知信息转换为这些模型输入，第五章则将深入探讨参数的 MAP 估计过程。

四、数据处理与参数配置：怎样把业务记录交给模型 #

第三章介绍了 Prophet 如何利用趋势、季节性、节假日和额外回归变量表达需求规律。本章将深入探讨两个工程问题：一是如何将门店—商品（Store—SKU）的业务记录转化为定义一致的历史与未来输入；二是如何结合序列特征、门店运营和商品属性来确定模型结构与候选超参数。在输入和配置准备就绪后，第五章将讨论模型如何通过 MAP 优化来估计未知参数。

构造定义一致的训练与未来输入 #

将业务记录整理为门店—SKU 日级数据 #

我们将以门店—SKU 组合定义需求序列，并以日为观测和预测粒度。在模型输入之前，原始交易记录需要经过处理，统一为日级数据。这涉及将交易时间转换为门店当地时区，然后按门店、SKU 和营业日汇总，确保每个组合在每个日期只有一行记录。工程流程还需检查重复记录、日期缺口、门店营业状态和缺货标记，并根据第二章定义的目标口径构造训练列 y。

Prophet 的直接输入包括日期、目标值和已注册的回归变量；假日日历则通过模型配置提供。营业状态和缺货标记主要用于构造目标、筛选有效观测和处理预测结果。下表展示了教学数据中 2023 年 Boxing Day 的真实记录示例，其中 holiday 字段来自对应的 VIC 假日表。

业务数据处理与 Prophet 内部处理承担不同职责：

保持训练输入与未来输入一致 #

训练和预测阶段必须保持字段定义、时间口径与变换规则的一致性。ds 在两个阶段都表示门店当地的业务日期；y 只在训练阶段提供；折扣等额外回归变量既要有历史记录，也要覆盖整个预测区间；假日日历和营业日历同样需要延伸到未来。

以折扣变量为例，假设训练数据用 0.20 表示 20% 折扣，那么未来促销也必须按相同口径填写 0.20，而不能写成 20；否则模型将收到放大百倍的数值。即使某个未来日期没有促销，也需要显式提供 0.00，不能因为目标值 y 尚未发生就同时省略已经注册的 discount。同理，如果训练阶段按墨尔本当地日期汇总销量，预测阶段也必须使用相同的时区和营业日边界。

未来输入必须基于预测发起时已知的信息。日历通常可以预先生成，促销和价格应使用当时可见的计划版本，天气则应使用当时发布的预报。如果回测中使用了预测截止日之后才获得的实际促销、价格或天气数据，就会导致数据泄漏，从而高估上线效果。生产系统还应保存历史计划快照，使每个回测起点都能还原当时真实可用的信息。

例如，假设补货团队在 12 月 1 日预测未来 28 天，当时的促销计划规定 Boxing Day 折扣为 20%，但门店后来临时调整为 30%。回测 12 月 1 日这次预测时，应输入当时已知的 0.20，而不是事后实际执行的 0.30。虽然 30% 是实际结果，但模型在预测时无法获得此信息；使用它会使离线评估结果优于实际的上线条件。

缺货和闭店信息在训练与预测中的角色不同：历史标记用于判断销量能否代表需求，未来营业安排用于预测后处理；未来是否缺货通常不是已知事实，需要由库存和补货流程另行评估，不能直接使用事后缺货标签。

Prophet 如何把业务字段转换为模型输入 #

Prophet 首先将 ds 解析为日期，检查输入并按时间排序，然后为不同的模型成分构造各自所需的输入。为统一符号，本文用 \(t\) 表示模型中的时间点（即排序后的一行数据），并用 \(d_t\) 表示该行 ds 对应的日历日期。这里的 \(t\) 是模型公式中的索引，不等同于任何内部数值坐标。

同一个 \(d_t\) 会根据模型成分转换为不同的输入：趋势函数 \(g(t)\) 使用归一化趋势坐标 \(\tau_t^{(g)}\)；季节性函数 \(s(t)\) 使用固定日历参考点生成季节性坐标 \(\tau_t^{(s)}\) 和周期特征；而节假日函数 \(h(t)\) 则直接用 \(d_t\) 匹配事件日历。训练与预测必须沿用同一套转换规则：趋势继续使用拟合时保存的起点和跨度，季节性继续使用固定日历参考点与周期配置。 [4]

日期怎样转换为趋势输入 #

趋势函数 \(g(t)\) 在时间点 \(t\) 使用归一化趋势坐标 \(\tau_t^{(g)}\)。 Prophet 首先计算日期 \(d_t\) 距离训练起点有多远，然后除以整个训练历史的跨度，而不是直接将 ds 代入趋势公式。训练起点对应 0，终点对应 1，未来时间点的坐标可以超过 1：

因此，从 ds 到趋势成分的映射关系可以概括为：

ds 首先被解析为时间点 \(t\) 对应的日期 \(d_t\)，然后转换为归一化趋势坐标 \(\tau_t^{(g)}\)；趋势函数结合该坐标与拟合得到的趋势参数计算 \(g(t)\)。

记号说明：

分子、分母使用相同的时间单位。拟合过程会保存 model.start 和 model.t_scale，预测时将沿用它们，不对未来窗口重新缩放。

假设有效训练记录仅为 2023 年 1 月 1、2、3 日，训练跨度为两天：

趋势坐标超过 1 属于正常外推。如果将未来重新缩放为 0 和 1，就会错误地将它们放回训练起止点。同一未来日期应有固定坐标，与本次预测窗口长度无关。

起点与跨度取自有效训练历史；如果边界日期的目标值被排除，应以模型保存的属性为准。

缺失日期不会压缩时间轴：即使 1 月 2 日缺失，1 月 1 日与 3 日之间仍相差两天。

日期怎样转换为季节性输入 #

季节性函数 \(s(t)\) 在时间点 \(t\) 使用日历坐标 \(\tau_t^{(s)}\)。 Prophet 首先计算日期 \(d_t\) 距固定日历参考点的天数，然后根据周期长度 \(P\) 和谐波编号 \(n\) 将 \(\tau_t^{(s)}\) 转换为周期角度 \(\alpha_{P,n,t}\)，用于生成对应的正弦和余弦特征。该坐标不同于趋势函数使用的 \(\tau_t^{(g)}\)。本文使用的 Prophet 1.4.0 将 1970-01-01 设为固定参考日期：

因此，第三章的季节性公式在这里可以写成：

因此，从 ds 到季节性成分的映射关系可以概括为：

ds 首先被解析为日期 \(d_t\)，然后转换为季节性坐标 \(\tau_t^{(s)}\)。每个周期 \(P\) 和谐波 \(n\) 据此生成一对正弦、余弦特征；模型使用拟合得到的 \(u_{P,n}\) 和 \(v_{P,n}\) 组合这些特征，形成单个周期的季节性贡献 \(s_P(t)\)，再将周、年等周期成分相加得到 \(s(t)\)。

记号说明：

每阶角度生成正弦、余弦两列。季节性坐标与周期均以天计，不能将归一化趋势坐标 \(\tau_t^{(g)}\) 直接代入。

下面用两个相隔一周的周六和一个相邻的周日，说明 ds 如何转换为季节性函数 \(s(t)\) 使用的特征。取一阶周周期 \(P=7,n=1\)，并定义时间点 \(t\) 在七天周期中的位置为：

对于周周期 \(P=7\)，\(\rho_{7,t}=\tau_t^{(s)}\bmod 7\) 表示时间点 \(t\) 在七天周期中的位置。傅里叶函数只取决于角度在一个完整周期内的位置，因此可以用 \(\alpha_{7,1,t}\bmod 2\pi\) 计算等价的正弦和余弦特征。固定参考日期 1970-01-01 为周四，对应 \(\rho_{7,t}=0\)；因此，\(\rho_{7,t}=2\) 对应周六，\(\rho_{7,t}=3\) 对应周日。相隔七天的两个周六具有相同的周内位置和一阶傅里叶特征。

表中只展示了 \(n=1\)。当周季节性的傅里叶阶数为 3 时，每个 ds 还会按相同方法计算 \(n=2\) 和 \(n=3\)，最终生成六列正弦、余弦特征。这些特征值仅由日期、周期和阶数决定；销量 y 则用于在拟合时估计它们的系数。预测未来日期时，模型继续使用同一固定日历坐标，因此未来周六将获得与历史周六相同的周周期特征；趋势坐标则继续向前延伸，使得相同周内位置可以对应不同的基础需求水平。

假日日历怎样转换为事件特征 #

节假日函数 \(h(t)\) 中的时间点 \(t\) 对应输入数据中的一行，其 ds 字段解析后的日历日期记为 \(d_t\)。与趋势和季节性不同，节假日成分不需要将 \(d_t\) 转换为归一化时间或周期角度。Prophet 直接比较 \(d_t\) 与事件日期及其窗口，将匹配结果转换为事件特征。

记事件集合为 \(\mathcal H\)。对于事件 \(H\in\mathcal H\)，记其日历日期为 \(d_H\)，窗口包含的相对日期集合为 \(\mathcal R_H\)。事件 \(H\) 在相对日期 \(r\) 上的指示特征为：

全部事件特征的贡献相加，形成时间点 \(t\) 的节假日成分：

因此，从 ds 到节假日成分的转换关系可以概括为：

第三章使用编号 \(\ell\) 表示事件特征。这里，每个“事件名称—相对日期”组合 \((H,r)\) 对应一个 \(\ell\)，因此 \(z_{H,r}(t)\) 和 \(\kappa_{H,r}\) 分别是 \(z_\ell(t)\) 和 \(\kappa_\ell\) 的展开写法。

教学案例：窗口为 0，只标记节假日当天 #

数据生成公式用 \(28H_t\) 表示假日贡献：当日历日期 \(d_t\) 出现在 VIC 假日表中时，\(H_t=1\)，否则为 0。这意味着在假设门店正常营业的条件下，公共假日统一增加 28 件。教学配置将所有事件的 lower_window 和 upper_window 都设为 0。以 2023 年 12 月 25 日的 Christmas Day 为例：

这里选择 Christmas Day 仅用于展示日期如何转换为事件特征；特征是否生成与当天的目标值是否有效是两个独立问题。

因此，Christmas Day 对 \(h(t)\) 的贡献只会在 12 月 25 日生效；如果当天还匹配其他事件，\(h(t)\) 会继续叠加相应贡献。Prophet 不会直接使用生成公式中已知的系数 28 或单一的 \(H_t\)，而是按 Christmas Day、Boxing Day 等事件名称分别生成特征，再从历史销量估计各自的系数。教学案例采用加法模式，并将 holidays_prior_scale 显式设为 1.0。

营业日历与假日特征彼此独立。教学门店在 Good Friday 和 Christmas Day 闭店，因此这些日期的训练目标被设为缺失；Boxing Day 正常营业，可以提供有效的假日销量观测。闭店不会删除该日的假日特征，但没有有效目标值的日期本身不能帮助模型识别对应的假日系数。

扩展窗口时，每个相对日期形成独立特征 #

如果把 Christmas Day 改为 lower_window=-1、upper_window=0，Prophet 会分别生成“前一天”和“当天”两列：

每个 ds 在特征矩阵中仍然只占一行。\(r=-1\) 和 \(r=0\) 分别形成“前一天”和“当天”两列，每列具有独立的待估系数，因此模型可以学习节前采购与节日当天的不同影响。

表中的 0 和 1 只表示事件特征是否生效，不预先规定销量增加或减少多少。跨年度使用相同的事件名称和相对日期时，模型会复用相同的特征列，从多个年份估计对应系数 [4, 6]。

真实零售中的圣诞采购可能提前一周或更早开始，因此可以把 lower_window 扩大到 −7。但 lower_window=-7, upper_window=0 会为节前七天和节日当天生成八列独立特征，并分别估计八个系数，而不是生成一个统一的“圣诞节前一周”效应。

历史只有少数完整年度时，每列可用的事件观测很少，还可能与星期、促销和其他活动重叠；实际项目应通过时间回测判断扩大的窗口是否改善预测。如果业务假设是整个节前七天共享同一种影响，更适合自行构造 pre_christmas_week 指示变量，再把它作为额外回归变量输入模型。

关于假日哪些内容由 Prophet 默认完成，哪些需要工程师配置？ #

Prophet 1.4.0 的分工如下：

Prophet 默认完成日期匹配和特征展开，但不会替工程师判断哪些事件适用于门店、窗口应覆盖几天，或者门店是否营业。假日表还应保持事件名称稳定，并保存各回测起点当时可见的版本。

上线前应对照 Business Victoria 的 2025 年假日表与 2026 年假日表核对并固定日历版本。由于部分非都市地区可以本地替代假日取代墨尔本杯日，subdiv="VIC" 只能作为州级参考，仍需按门店核对。

因此，工程师负责定义事件日历和窗口，Prophet 负责把每个 ds 转换为事件特征；这些特征的系数则在第五章所述的拟合过程中估计。

回归变量标准化与目标值缩放 #

在将数据传递给优化器之前，Prophet 对额外回归变量和训练目标进行预处理：其中，回归变量可以标准化，而目标值会根据模型保存的尺度进行缩放。这两种变换都基于训练数据计算统计量，但作用对象和解释方式各异。在进行预测时，必须复用训练阶段保存的这些统计量，而非根据未来数据重新计算。

额外回归变量：决定是否标准化 #

设第 \(j\) 个额外回归变量在时间点 \(t\) 的原始值为 \(x_{t,j}\)。当 standardize=True 时，Prophet 利用训练期均值 \(\mu_j\) 和标准差 \(\sigma_j\) 进行标准化计算：

从训练数据计算标准化统计量，再在本文的加法配置下生成回归贡献，这一过程可以概括为：

这里，\(\mu_j\) 和 \(\sigma_j\) 是通过训练数据计算得到的预处理统计量，而 \(\beta_j\) 才是 model.fit() 过程中与趋势、季节性和节假日参数联合估计的系数。若设置 standardize=False，Prophet 将保留原始输入值，这等同于使用 \(\mu_j=0\)、\(\sigma_j=1\) 进行标准化。默认设置 standardize="auto" 会保持二元变量的 0/1 值不变，并通常对非二元变量执行标准化。

在教学数据中，折扣贡献是通过 \(130q_t\) 生成的，其中 \(q_t\) 表示时间点 \(t\) 的折扣比例；在 Prophet 输入时，这对应于 \(x_{t,\mathrm{discount}}=q_t\)。由于本文设置 standardize=False，八折销售（\(q_t=0.20\)）将以原始值 0.20 进入模型，其回归贡献为 \(\beta_{\mathrm{discount}}q_t\)。Prophet 不会直接使用生成公式中已知的系数 130，而是通过 model.fit() 估计 \(\beta_{\mathrm{discount}}\)。如果估计值接近 130，那么 20% 折扣对应的贡献将约为 \(130\times0.20=26\) 件。

无论是否标准化，同一个回归变量在训练区间和预测区间都必须采用相同的定义、单位和转换规则。假日指示特征和傅里叶特征由 Prophet 按照既定规则构造，用户无需将其与额外回归变量一同进行标准化处理。

目标值：缩放到模型内部尺度 #

本教学案例使用截至 2025-12-03 的历史数据来拟合模型，并在拟合前将闭店日和缺货日的目标值标记为缺失。经过筛选，训练集共包含 1,039 个有效目标值。本文配置采用线性趋势和 scaling="absmax"，且无下限偏移。因此，Prophet 会将时间点 \(t\) 的有效训练销量 \(y_t\) 除以训练目标的最大绝对值：

从业务销量到模型内部目标的映射关系为：

最大有效训练销量发生在 2025-04-20，为 193 件，因此 \(s_y=193\)，该值即为模型保存的 model.y_scale。例如，2023-01-01 的有效训练销量为 153 件，在内部被转换为 \(\tilde y_t=153\div193\approx0.793\)；而 2025-04-20 的 193 件则转换为 1。闭店日、缺货日和测试期的销量均不参与这一尺度的确定。\(s_y\) 是通过有效训练目标计算得出的预处理统计量，并非优化算法求解的模型参数。

在预测时，将执行相反的尺度变换。对于本文所采用的无下限偏移的全加法配置，若模型在内部尺度上得到点预测 \(\widehat{\tilde y}_t\)，则原始目标口径下的需求预测为：

例如，教学案例对 2025-12-06 得到的内部点预测约为 \(\widehat{\tilde y}_t=0.69465\)；将其乘以 \(s_y=193\) 后，便还原为 \(\hat y_t\approx134.07\) 件。predict() 返回的 yhat 值已完成此还原步骤，单位为每日件数，因此不应再乘以 model.y_scale。

记号说明 #

如果所有有效训练目标值均为 0，Prophet 会将 \(s_y\) 设为 1，以避免除零错误。上述公式仅适用于本文的配置；若采用 scaling="minmax" 或设置 logistic 下限，目标值还会根据相应的下限和尺度进行偏移与缩放。

predict() 函数会使用训练阶段保存的 \(\mu_j\) 和 \(\sigma_j\) 来转换未来的回归变量，并用 \(s_y\) 还原趋势、加法成分和最终预测结果；乘法成分则仍表示相对于趋势的比例。由于本文采用全加法模式，yhat、趋势和各项加法贡献均可按每日件数进行解释。业务流程通常会在此基础上执行非负截断、取整或箱规换算等操作；代码中，forecast_units 保存了这些业务处理结果，同时原始的 yhat 值也被保留。

根据门店与商品的业务特征确定模型配置 #

日期、假日日历、折扣变量和目标值处理完毕后，数据已具备建模所需的输入格式。接下来，我们将结合门店—SKU 序列的历史长度、观测粒度、需求形态、运营规则及未来信息可用性，配置 Prophet 的趋势形式、季节性、事件与回归变量，以及模型复杂度。业务判断可排除明显不合理的方案，而剩余的候选配置则需通过训练历史内部的时间回测进行比较。

从教学案例证据确定模型结构 #

教学案例的生成机制已知，因此第二章的公式和字段可以直接映射为建模决策。在真实项目中，由于无法看到数据生成公式，我们只能根据历史数据、业务记录以及预测时可获得的计划信息，提出候选模型结构，并通过时间回测进行检验。

上表确定了模型结构和数据处理方向，但并非全部参数的最终取值。下一节将提供一个可复现的教学基线，包含候选变点数量、傅里叶阶数、先验尺度和区间设置。这些数值仍有待在第六章通过时间回测验证。趋势、季节性、假日和折扣的具体系数不在初始化时指定，而是由 model.fit() 联合估计，其求解过程将在第五章详细说明。

教学案例的完整配置 #

下表将教学案例的配置划分为模型结构、复杂度与正则化、推断与输出三类。这些具体数值构成了可复现的教学基线，但并不意味着所有门店—SKU 都应采用相同设置。

add_seasonality() 中的 period 以天为单位，fourier_order 控制基函数的数量；若未单独指定先验，则沿用全局季节性先验。add_regressor() 的 prior_scale 约束该变量的系数，standardize 决定是否对输入进行变换，mode 则决定其贡献是按件数还是按比例进入预测。季节性与回归变量均须在调用 fit() 之前注册。

初始化模型并生成预测 #

前两节已确定模型结构和教学基线。现在，我们可以将这些设置应用到 Prophet 模型中，并分别准备拟合输入与预测输入。两个阶段均沿用相同的 ds 和 discount 定义，但只有拟合阶段能提供已发生的目标值 y [8, 9]：

模型首先注册周季节性、年季节性以及折扣回归变量，然后调用 fit()。Prophet 1.4.0 会自动排除 y 为缺失值的行，因此被屏蔽的缺货日和闭店日不参与参数估计。其余有效的训练行则依据前文的日期转换和缩放规则构造模型输入。完整的模型构造函数已保存在 Notebook 中，关键配置如下所示：

model = Prophet(
    growth="linear",
    holidays=vic_holidays,
    n_changepoints=25,
    changepoint_range=0.80,
    weekly_seasonality=False,
    yearly_seasonality=False,
    daily_seasonality=False,
    seasonality_mode="additive",
    changepoint_prior_scale=0.05,
    seasonality_prior_scale=1.0,
    holidays_mode="additive",
    holidays_prior_scale=1.0,
    mcmc_samples=0,
    interval_width=0.80,
    uncertainty_samples=1000,
)
model.add_seasonality("weekly", period=7, fourier_order=3)
model.add_seasonality("yearly", period=365.25, fourier_order=5)
model.add_regressor(
    "discount",
    prior_scale=1.0,
    standardize=False,
    mode="additive",
)
model.fit(train[["ds", "y", "discount"]], seed=42)
forecast = model.predict(test[["ds", "discount"]])

predict() 函数根据未来的 ds 生成趋势、季节性和假日特征，并读取对应日期的折扣计划，进而输出点预测 yhat、区间下界 yhat_lower、区间上界 yhat_upper，以及各模型成分。test 数据集中保留的实际 y 仅用于事后评估，不会传入 predict()。这里的 test 指的是最后 28 天的留出窗口，它不参与训练历史内部的配置选择。第六章将进一步阐明验证集、最终评价窗口和独立测试期的边界。

模型原始输出 yhat 代表假设门店正常营业时的需求预测。教学代码首先执行非负截断，然后根据 is_open 将闭店日的销售预测设为 0，并将最终结果保存为 forecast_units。此处未执行取整或箱规换算；这两步应根据实际补货流程另行处理。这种字段设计保留了需求预测与考虑营业约束后的销售预测之间的区别。

下图展示了同一个已拟合模型对训练历史和最后 28 天留出窗口统一生成的 yhat。黑色观测点为参与拟合的有效训练目标；蓝色曲线在红色虚线左侧表示样本内拟合，在右侧表示对留出期的实际预测；浅蓝色带则表示模型设定的 80% 预测区间。红色虚线是 2025-12-03 的预测起点，其右侧的 28 天未参与本次拟合。需要注意的是，历史区间上的贴合程度不能替代样本外评估，模型选择和误差比较仍应以第六章的时间回测和留出期结果为准。

解读 Prophet 模型组件 #

前一张总预测图回答“每天预测多少”，model.plot_components(forecast) 则展示模型把预测分配给哪些成分 [9]。这些曲线适合检查模型结构与贡献分配，但只是拟合后的统计分解，不能单独证明某个业务因素对销量具有因果作用。

读图时需要同时确认纵轴单位和横轴含义。本文采用全加法模式，因此 weekly、yearly、holidays 和 extra_regressors_additive 都以件数表示；负值表示相对基准减少需求，不表示最终预测为负。若使用乘法模式，相应组件表示趋势的相对比例，需要按第三章的混合公式计算。

trend、holidays 和回归变量面板沿实际日期展开，周、年面板则分别在标准的一周和一年网格上展示拟合规律。红色预测起点只适用于带日期横轴的面板。折扣面板中的平台表示连续多日采用相同折扣；平台边缘的斜线只是绘图程序连接相邻日级点的结果，不表示日内折扣逐渐变化。

对于本文的全加法配置，总预测满足：

其中，additive_terms 已经汇总周、年、假日和折扣贡献，不能在计算总预测时再次把这些组件重复相加。Notebook 同时验证：

全历史组件图用于检查长期趋势和重复结构。教学案例的年周期在约 4 月中旬达到较高水平，周末与工作日贡献之差接近生成公式中的 16 件；这些对应关系说明模型恢复了部分已知结构，但不能代替样本外误差检验。

折扣贡献在全历史尺度上较为密集，因此局部图放大预测起点前两周和最后 28 天留出窗口。连续七天的折扣表现为平台，Boxing Day 等单日事件表现为尖峰，两种形状来自不同的输入机制。

业务复核不应只看曲线是否平滑，还应检查：周规律是否符合门店客流，年规律是否被少数促销误导，假日效应是否与闭店混淆，趋势是否吸收了持续折扣。模型在联合拟合中分配这些贡献；当特征相关或历史较短时，分配结果可能不稳定。预测准确率和区间覆盖率仍需通过第六章的时间回测检验。

组件图解释的是假设门店正常营业时的需求。为了说明营业约束如何改变最终销售输出，下面再对比原始 yhat 与应用 is_open 后的 forecast_units：

图中圣诞节的零销售由 is_open=False 决定，并不表示原始需求预测为零。营业计划确定时，闭店后的销售预测及其区间可以设为 \([0,0]\)；假设营业时的潜在需求预测及其不确定性仍应单独保留。

到这里，数据准备、模型初始化、预测生成和组件检查已经形成完整流程。代码中的 model.fit() 已经估计各项参数；第五章将打开这一步的内部过程，解释统计模型、MAP 目标和优化求解。

五、优化求解与可解释性：参数怎样变成每日预测 #

在第四章，我们完成了数据处理并确定了模型配置。本章将趋势、季节性、节假日和额外回归变量整合到一个统计模型中，阐释似然函数与先验如何共同构成最大后验概率（MAP）优化目标，以及优化器如何联合估计未知参数。最后，我们将沿着“拟合参数 → 特征贡献 → 模型组件 → 点预测”的路径，把内部计算结果还原为每日需求预测，并重建周六与节礼日（Boxing Day）的具体预测。

建立联合统计模型并区分已知量与未知量 #

从各模块构造联合统计模型 #

将所有模块合并后，模型首先为第 \(t\) 行数据计算条件均值 \(\mu_t\)，它等于趋势项与所有特征贡献之和。实际观测销量 \(y_t\) 可能高于或低于此均值。本例采用正态分布来描述这种波动，其典型幅度由观测误差标准差衡量。在加法模式下：

记号说明：

将所有训练时间点的 \(\mathbf f_t^\top\) 按行排列，我们得到设计矩阵（design matrix）\(\mathbf F\)；对应的系数构成向量 \(\mathbf b\)。矩阵乘积 \(\mathbf F\mathbf b\) 能够一次性计算所有训练时间点的季节性、节假日和额外回归变量贡献。本文按照业务含义区分这些系数，Prophet 的 Stan 实现则将它们统一存放在 beta 向量中 [10]。

对于任意一组趋势参数、特征系数和观测噪声尺度，模型都能够计算各训练时间点的条件均值及其观测密度。拟合过程将这些单日密度汇总为整个训练历史的似然函数，然后与参数先验共同构成最大后验概率（MAP）优化目标。在进入具体目标函数之前，下一节将区分哪些量由优化器估计，哪些量在拟合前已经确定。

优化器求解哪些量，哪些量在拟合前固定 #

在将 Prophet 表达为优化问题之前，我们需要明确区分优化变量与固定条件。优化变量是 model.fit() 联合求解的未知参数；而模型结构、先验超参数和数据变换量在本次求解开始前便已确定。以教学案例为例：

候选变点的位置由配置规则生成，优化器在这些位置上估计的是斜率变化量 \(\delta_j\)。傅里叶基函数由日期和周期配置决定，其对应系数则包含在向量 \(\mathbf b\) 中。类似地，prior_scale 决定先验惩罚的强弱，本次 fit() 求解的是受到该先验约束的参数，而不是 prior_scale 本身。

因此，在模型结构、训练输入、先验尺度和数据变换量固定后，本章的求解目标可以表述为：寻找参数集合 \(\theta=(k,m,\boldsymbol\delta,\mathbf b,\sigma)\)，使训练数据的似然函数与参数的先验支持共同达到最大。下一节将把这一目标正式表达为 MAP 公式。

从联合似然到 MAP 数值求解 #

用似然与先验定义 MAP 目标 #

我们已定义单日观测分布。给定参数集合 \(\theta\)，趋势与特征系数决定条件均值 \(\mu_t\)，噪声尺度 \(\sigma\) 决定观测值在该均值附近的离散程度。对于包含有效训练观测及其日期和输入的集合 \(\mathcal D\)，以及具有有效目标值的训练时间点集合 \(\mathcal T_{\mathrm{train}}\)，Prophet 通过将各日条件密度相乘，得到整段训练历史的似然：

此处的单日密度 \(p(y_t\mid t,\mathbf f_t,\theta)\) 的均值为 \(\mu_t\)，标准差为 \(\sigma\)。

此连乘基于条件独立假设：给定日期特征和参数后，各日观测误差相互独立并服从正态分布。似然衡量当前参数与整段训练数据的相容程度。

若仅追求更高的训练似然，模型可能会使用过大的变点变化量或特征系数来过度解释随机波动。为避免此问题，Prophet 引入参数先验 \(p(\theta)\)，以降低复杂参数取值的支持程度。最大后验估计（Maximum a Posteriori Estimation，MAP）在拟合训练数据与遵守先验约束之间取得平衡，选择能使后验密度最高的参数组：

通过取对数，联合似然中的连乘变为求和。这使得优化器能够同时权衡各日数据提供的证据和参数先验施加的约束。在下一节中，我们将切换到 Prophet 的内部尺度，并详细展开先验及其对应的优化惩罚。

先验尺度怎样进入优化目标 #

先验尺度决定了参数先验在零附近的集中程度。将 MAP 最大化问题改写为负对数最小化问题后，同一尺度会表现为目标函数中的惩罚强度。下面依次说明 Prophet 的内部参数、先验对需求预测的影响，以及优化器最终最小化的目标。

内部参数：优化器实际求解什么 #

前文用 \(\theta\) 表示业务尺度下的完整参数集合。Prophet 在优化前会缩放目标值并转换时间坐标，因此优化器实际求解的是内部参数集合 \(\tilde\theta\)。相应地，\(\sigma\) 和 \(\tilde\sigma\) 分别表示业务尺度与内部尺度下的观测噪声标准差。

在线性、全加法的教学案例中，优化器需要同时调整初始趋势、变点变化、全部特征系数和噪声尺度：

其中，\(\tilde\theta\) 是 \(\theta\) 的内部参数化；\(\tilde k\)、\(\tilde m\) 是内部趋势斜率与截距；\(\tilde{\boldsymbol\delta}\) 收集 \(J\) 个变点的斜率变化量；\(\tilde{\mathbf b}\) 收集 \(K\) 个傅里叶、节假日和额外回归变量系数；\(\tilde\sigma>0\) 是内部观测噪声标准差。

对于第 \(i\) 个有效训练观测，内部条件均值等于内部趋势与各特征贡献之和：

其中，\(\tilde g_i\) 是内部趋势，\(f_{i,r}^{\mathrm{model}}\) 是第 \(i\) 个观测在第 \(r\) 列模型特征上的取值，\(\tilde b_r\) 是相应的内部系数。第五章后半部分再将这些内部结果还原为销量单位。

参数先验：怎样影响未来需求预测 #

先验不直接约束未来需求量，而是约束生成预测的趋势变化和特征系数。训练似然要求模型解释历史销量，参数先验则抑制缺少数据支持的过大变化。两者共同决定各组件的拟合幅度，并最终影响未来 28 天的需求预测。

Prophet 对变点变化使用零中心拉普拉斯先验，对傅里叶、节假日和额外回归变量系数使用零中心正态先验：

这里的零是拟合前先验分布的中心，不是拟合后系数必须取得的值。以特征系数为例，\(\mathbb E_{\mathrm{prior}}[\tilde b_r]=0\) 表示在观察训练销量之前，模型更支持幅度较小的正、负效应。加入训练数据后，似然与先验共同形成后验分布：

因此，后验分布可以偏离零。本文采用的 MAP 估计取后验密度最高的位置，而不是先验分布的期望值。零中心正态先验会把证据不足的系数向零收缩，却不会把所有系数固定为零。

\(\tau\) 对应 changepoint_prior_scale，\(s_r\) 由相应特征的 prior_scale 决定。较小的 \(\tau\) 会使更多变点变化量收缩到零，让未来趋势更接近稳定延伸；较小的 \(s_r\) 会加强特征系数向零收缩，减弱季节性、节假日或促销对未来预测的影响。较大的尺度允许模型表达更强的变化，也提高了模型追随少量异常观测的风险。

教学数据通过 \(130q_t\) 生成折扣贡献；当 \(q_t=0.20\) 时，合成数据中的隐藏真值为需求增加 26 件。真实项目在拟合前并不知道这一数值；本文能够看到它，只因为教学数据的生成机制由作者预先设定。因此，26 件只用于拟合后的恢复性检查，不参与先验尺度的配置。

拟合时，Prophet 同时估计趋势、季节性、节假日、折扣系数和噪声尺度。如果控制其他组件后，促销日的销量仍持续高于可比的非促销日，增大折扣系数就能降低这些日期的预测残差；但更大的系数也会增加零中心正态先验对应的 L2 代价 \(\tilde b_{\mathrm{discount}}^2/(2s_{\mathrm{discount}}^2)\)。MAP 优化器在似然改善与先验代价之间权衡。

\(s_{\mathrm{discount}}\) 是拟合前配置的先验标准差，不是 model.fit() 从销量中估计的参数。教学案例设置 prior_scale=1.0，因此 \(s_{\mathrm{discount}}=1.0\)。由于 y_scale=193，折扣变量使用原始比例且采用加法模式，该配置对应折扣系数在原销量尺度上的先验标准差为：

对于 20% 折扣，折扣组件的先验标准差为：

这表示在观察训练销量之前，模型允许 20% 折扣产生较宽的正向或负向需求变化。38.6 件描述的是先验尺度，不是已知的真实促销增量，也不是模型最终必须预测的数值。

教学数据中的促销每 14 天出现一次，并且历史中同时包含相同星期位置的促销日和非促销日。这些重复对照为折扣效应提供了数据证据，使正折扣系数带来的似然收益超过了系数偏离零所增加的先验代价。MAP 最终得到内部折扣系数：

还原到原销量尺度后，折扣系数约为：

因此，未来 20% 折扣日的拟合贡献约为：

26.52 件接近合成数据中的 26 件隐藏真值，说明模型在当前教学数据和配置下恢复了折扣效应；它不能证明真实项目中的促销效应也等于 26 件。如果训练历史只有少量促销日，或者促销总与某个星期、节假日或其他业务事件同时出现，数据就难以单独识别折扣效应，先验会把证据不足的系数更多地拉向零。

真实项目无法预先知道促销效应的真实值。工程师可以根据预测起点前已有的促销分析、相似门店—商品、价格弹性研究或业务专家给出的合理范围，构造多个 prior_scale 候选值，再通过训练历史内部的滚动时间回测进行选择。最终评价窗口及事后观察到的促销效果不能用于反向调整先验。上述尺度换算依赖目标缩放、特征编码和标准化方式，也不能直接复制到其他门店—SKU 序列。changepoint_prior_scale=0.05 同样作用于内部斜率变化量，不能解释为每天增减 0.05 件。

\(\tau\) 和 \(s_r\) 是拟合前给定的超参数，\(\tilde\delta_j\) 和 \(\tilde b_r\) 才是优化器求解的参数。训练数据提供充分证据时，这些拟合参数可以明显偏离先验中心。

联合先验：怎样组合不同参数的约束 #

Prophet 分别设置各类参数的先验；在先验独立的设定下，将这些密度相乘即可得到完整参数集合的联合先验：

其中，\(\mathbf s=(s_1,\ldots,s_K)^\top\) 收集 beta 中各特征系数的先验标准差。一般情况下，不同季节性、节假日和额外回归变量可以使用不同的 \(s_r\)。教学案例将 seasonality_prior_scale、holidays_prior_scale 和折扣变量的 prior_scale 都设为 1.0，因此这里有：

这些内部先验尺度虽然相同，但傅里叶、0/1 节假日和连续折扣特征的编码与取值范围不同，因此换算到每日需求贡献后，并不表示相同的业务效应范围。这里的 1.0 只是教学基线，不是已经验证的最优值。真实项目应结合预测起点前可获得的业务信息，为季节性、节假日和折扣系数分别设置少量候选尺度，再通过训练历史内部的滚动时间回测比较总体误差、相应日期分组的误差和组件稳定性；若单项实验显示这些模块会相互分摊同一段销量变化，还需对少量候选组合进行联合验证。先验过紧可能压掉真实变化，过松则可能把随机波动解释为趋势、季节性或事件效应；最终评价窗口不能参与超参数选择。

\(\mathbf s\) 不包含变点变化的先验尺度 \(\tau=0.05\)，也不包含 \(\tilde k\)、\(\tilde m\) 和 \(\tilde\sigma\) 各自的先验尺度。先验能够写成乘积，不代表拟合后的参数彼此独立；不同参数仍可能因为共同解释销量而产生后验相关性。

负对数后验：怎样转化为优化目标 #

数值优化器通常求最小值，因此 Prophet 将 MAP 的最大化问题改写为负对数后验的最小化问题；两种写法得到相同的最优参数：

其中，\(\mathcal L\) 是负对数后验目标，\(\tilde{\mathcal D}\) 是训练数据在模型内部尺度上的表示；\(\tilde\theta\) 是待估参数，\(\tau\) 和 \(\mathbf s\) 是拟合前固定的先验尺度。式中省略了不随参数变化的后验归一化常数。

展开这个目标后，拉普拉斯先验产生 \(|\tilde\delta_j|/\tau\)，形成针对变点变化量的 L1 惩罚；正态先验产生 \(\tilde b_r^2/(2s_r^2)\)，形成针对特征系数的 L2 惩罚。把它们与正态观测模型的负对数似然合并，并省略与待估参数无关的常数，可得：

Prophet 1.4.0 对内部 \(\tilde k\)、\(\tilde m\) 使用标准差 5 的正态先验，对正值约束的 \(\tilde\sigma\) 使用标准差 0.5 的正态先验，汇入 \(\mathcal R\)。本式适用于线性、全加法的教学案例；固定先验尺度后可省略与待估参数无关的常数 [10]。

在教学配置中，changepoint_prior_scale=0.05 即 \(\tau=0.05\)，因此变点 L1 惩罚的权重为 \(1/\tau=20\)。若将该尺度减半，同一个变点变化量的惩罚会加倍。特征系数的惩罚由 \(s_r\) 控制；将 \(s_r\) 减半，会使同一系数的 L2 惩罚增为四倍。不同特征列可以使用不同的 \(s_r\)，因此逐项写出惩罚比使用统一权重更接近 Prophet 的实现。

至此，MAP 目标把四类信息放入同一个优化问题：训练残差、观测噪声、趋势变化的 L1 惩罚，以及特征系数的 L2 惩罚。所有参数需要联合估计，因此相关特征可能分摊同一段销量变化；先验独立也不意味着拟合后的后验独立，更不代表模型已经识别出业务因果效应。

优化器如何求出 MAP 参数 #

上一节已将参数估计定义为最小化问题：在内部参数空间中寻找使 \(\mathcal L(\tilde\theta)\) 最小的一组 \(\tilde\theta\)。Prophet 首先根据训练数据计算初始值，然后由 Stan 优化器同时更新 \(\tilde k\)、\(\tilde m\)、\(\tilde{\boldsymbol\delta}\)、\(\tilde{\mathbf b}\) 和 \(\tilde\sigma\)。这些参数共同决定趋势、各特征贡献和观测噪声，因此不能分成互不相关的步骤分别求解。

每次迭代中，Stan 通过自动微分计算目标函数对各参数的梯度。梯度反映了当参数发生微小变化时，训练残差、噪声项、变点 L1 惩罚和特征系数 L2 惩罚如何变化；优化器据此选择下一组参数，使 \(\mathcal L(\tilde\theta)\) 逐步下降。当目标值、参数更新或梯度满足收敛条件时，迭代停止，并将当前参数作为 MAP 数值解 [11]。

在本文验证的 Prophet 1.4.0 Python 后端中，MAP 路径通常使用有限内存拟牛顿算法 L-BFGS（Limited-memory Broyden–Fletcher–Goldfarb–Shanno）。L-BFGS 利用有限的历史更新信息近似目标函数的曲率，适合参数较多的模型。当有效观测少于 100 个时，后端默认使用 Newton 方法；启用回退时，L-BFGS 异常结束也可能改用 Newton。这些选择属于版本相关的底层求解实现，通常不是零售建模人员需要调节的业务超参数 [12]。

优化收敛后，Prophet 将求得的参数写入 model.params。教学案例中的 6 个周周期系数、10 个年周期系数、各节假日系数和折扣系数都存放在 beta 中；\(k\)、\(m\) 和 delta 描述趋势，sigma_obs 描述观测噪声。数值优化正常结束仅表示算法找到了满足收敛条件的解。在工程实践中，仍需检查是否存在异常终止、不同初始条件或配置下的稳定性，以及样本外预测表现。

拟合参数不必逐项等于生成公式中的 16、14 或 130。这是因为周、年规律需要通过多列傅里叶基函数共同重建，且先验收缩、随机噪声和有效目标筛选也会改变参数分配。本章下一部分将把内部参数重新组合成具体日期的预测，第六章再检验这些预测能否在未来窗口中保持准确。

如何在 MAP 与 MCMC 之间选择 #

mcmc_samples 是初始化 Prophet 模型时设置的非负整数参数。其名称虽包含 “samples”，但其首要作用是决定模型是否执行完整的贝叶斯后验采样：默认值 0 表示不运行 MCMC，正整数则启用 MCMC，并进一步影响采样迭代规模。

当 mcmc_samples=0 时，Stan 通过数值优化求一组最大后验参数；当 mcmc_samples>0 时，Stan 则改用马尔可夫链蒙特卡洛（Markov Chain Monte Carlo，MCMC）从参数后验分布中采样。两条路径使用相同的模型结构、训练数据和参数先验，主要差别在于最终得到的是一组 MAP 参数，还是多组后验样本。

选择哪条路径，应由需求预测的输出用途决定，而不是将 MCMC 视为更高级、必然更准确的模型。MCMC 虽能保留不同参数组合造成的预测差异，却不能修复未处理的缺货、错误的促销计划、遗漏的结构变化或训练信息不足；它也不保证降低 MAE、WAPE 或偏差。若业务主要使用未来每日需求的点预测，通常建议优先采用 MAP；若补货决策依赖服务水平、安全库存或需求分位数，且参数不确定性可能显著影响决策，则可进一步评估 MCMC。两种路径的点预测都应使用相同的滚动预测起点和预测窗口进行比较，而预测区间则需要另外检查实际覆盖率 [4, 13]。

以教学案例为例，MAP 基线使用截至 2025 年 12 月 3 日的 1,039 个有效训练观测，预测随后 28 天的每日需求。若要评估 MCMC，应保持训练数据、趋势形式、傅里叶阶数、节假日日历、折扣输入和全部先验尺度不变，仅将 mcmc_samples 从 0 改为例如 300，并继续固定随机种子。这样，MAP 与 MCMC 的差异主要来自参数推断方式，而非数据或模型结构的变化。

对这项诊断实验，应首先检查 4 条链的收敛性、有效样本量和 divergent transitions（发散转移），再比较同一批滚动预测起点上的 MAE、WAPE、偏差和预测区间覆盖率；还可以重点检查 Boxing Day 与 20% 折扣日的需求分布是否因纳入参数不确定性而明显变宽。这里的 300 仅是初始采样配置，并非已验证的最优值，也不表示最终保留 300 个后验样本。Prophet 1.4.0 会将该参数的一半用于每条链的预热，另一半用于正式采样。

Stan 后端使用 NUTS（No-U-Turn Sampler，无掉头采样器）生成后验样本。NUTS 建立在 Hamiltonian Monte Carlo（HMC，哈密顿蒙特卡洛）之上：HMC 利用后验密度的梯度在参数空间中构造采样轨迹，减少随机游走造成的低效探索；NUTS 则在轨迹开始折返时自动停止扩展，从而自适应地确定每次迭代的轨迹长度。对本例而言，每次保留的样本都是一组可能的趋势、季节性、节假日、折扣和噪声参数；将这些参数分别代入未来 28 天的输入，便可得到一组需求预测分布 [12, 14]。本文未运行这组 MCMC 对照实验，因此不据此报告预测精度或区间覆盖率的改善。

uncertainty_samples 是 Prophet 在 predict() 阶段生成预测区间时使用的模拟次数，它不属于教学数据字段，也不是由 fit() 估计的模型参数。Prophet 1.4.0 的默认值为 1000，本文在模型初始化时显式保留 uncertainty_samples=1000，旨在清楚展示预测区间的生成配置。Prophet 基于拟合结果重复模拟未来路径，再从模拟结果中提取由 interval_width=0.80 指定的 80% 区间。增加模拟次数通常只会减小区间分位数的蒙特卡洛波动并增加预测计算量，不会直接改善 yhat 的点预测；设置为 0 则不生成不确定性区间 [4, 13]。

uncertainty_samples 所模拟的不确定性还取决于参数推断方式。当 mcmc_samples=0 时，Prophet 以单组 MAP 参数为基础，预测区间主要传播观测噪声以及对未来趋势变化的模型假设，不包含季节性、节假日和折扣系数的完整后验不确定性；当 mcmc_samples>0 时，预测会进一步汇总多组后验参数下的未来路径。简言之，mcmc_samples 决定未知参数的估计方式，而 uncertainty_samples 决定如何利用拟合结果近似未来预测分布。本文需要逐项重建一组确定的拟合参数，因此采用 mcmc_samples=0；后续参数重建均基于单组 MAP 估计。

从拟合参数重建未来预测 #

前文已说明 Prophet 如何通过 MAP 或 MCMC 求解未知参数。本节将沿着“未来输入 → 模型特征 → 组件贡献 → 总预测”的顺序，把拟合结果还原为每日需求预测，并以教学案例中的周六和 Boxing Day 为例，检查计算过程。

未来输入如何与拟合参数结合 #

对于每个未来日期，Prophet 首先复用第四章定义的转换规则：将日期映射为趋势和季节性坐标，匹配节假日特征，并按训练阶段的方式处理折扣等回归变量。模型随后将这些特征与已拟合参数相乘，得到趋势、季节性、节假日和额外回归变量的贡献，再组合成点预测 yhat。观测噪声不计入 yhat，但会用于预测区间的模拟。

在默认 MAP 路径中，点预测的趋势在训练期最后一个候选变点之后，会按最后估计的增长速度继续延伸。未来是否会再次发生趋势变化仍是未知数；Prophet 仅在生成预测区间时，按模型假设模拟可能的未来趋势变化。

因此，Prophet 可以一次性生成未来 28 天的预测，但模型仍需要每个目标日期上已知或预先规划的业务输入。例如，训练阶段估计折扣与需求之间的参数关系后，预测阶段则必须提供未来 28 天的折扣计划；模型不会自行推断尚未提供的促销安排。

如何重建周六与 Boxing Day 的预测 #

重建预测时，需要区分模型配置、拟合参数和每日组件贡献。周期与傅里叶阶数由工程师配置，特征系数由模型拟合得到，每日组件贡献则由目标日期的特征值与相应系数相乘得到。Prophet 将季节性、节假日和额外回归变量的内部系数统一保存在 beta 中；数值重建时，必须遵循模型保存的特征列顺序，并按目标值的缩放规则将内部结果还原到销量尺度。

教学案例使用 MAP、线性趋势、全加法模式、absmax 缩放，且无下限偏移。对于任意目标日期，可以先在内部尺度上合计趋势与各组件贡献，再乘以训练阶段保存的目标缩放尺度，将预测还原为件数：

其中，\(\hat y_t\) 是第 \(t\) 个目标日期上以原始销量单位表示的点预测；\(s_y\) 是训练目标缩放尺度；\(\tilde g_t\) 是该日的内部趋势；\(\mathbf f_t\) 是由日期 \(d_t\) 和业务输入按模型保存规则构造的完整特征行；\(\tilde{\mathbf b}\) 是内部 beta 系数。\(\top\) 表示转置，内积将特征值与对应系数逐项相乘再求和。此公式不直接适用于乘法或带下限偏移的配置。

趋势也可从初始直线逐段计算。当某个变点尚未到达时，其额外贡献为零；经过该变点后，则用新的速度变化量乘以已流逝时间，再加入原来的趋势：

这里，\(\tau_t^{(g)}\) 是第四章定义的归一化趋势坐标；\(\tilde k\)、\(\tilde m\)、\(\tilde\delta_j\) 是模型保存的内部趋势参数；\(\tilde c_j\) 是归一化后的第 \(j\) 个候选变点，\(J\) 是候选数量；\(\max\) 取两值中较大者。变点前该项为零，变点后贡献随时间增长，这等价于第三章的连续分段线性公式。

完整重建需依次复用模型保存的输入转换，按训练特征列顺序计算各项乘积，再将结果与 predict() 的输出进行数值一致性检查。下面以 2025 年 12 月 6 日和 12 月 26 日为例，分别核对普通周六与 Boxing Day 的预测。

Prophet 1.4.0 的傅里叶特征按 sin1、cos1、sin2、cos2 等顺序排列，分别对应本文记号中的 \(v\)、\(u\)。本例中，\(s_y=193\)。将周傅里叶内部系数还原到销量尺度后得到：

下标 7 表示周期为 7 天，\(n\) 表示傅里叶阶数。计算时应按模型实际保存的正弦、余弦列顺序，将目标日期的六个周周期特征分别乘以对应系数。

2025 年 12 月 6 日的六项周周期贡献如下。源码按正弦、余弦成对排列，列顺序可能与本文公式书写次序不同，但必须与保存的系数一致。

六项相加为 11.1193 件，对应周六组件贡献。12 月 6 日实际折扣为 0.20，完整重建值为 134.0674 件；Boxing Day 当天无折扣，重建值为 129.6224 件。两次重建均通过了与 predict() 的数值一致性断言。计算时需使用特征列的实际值，不能为了手算方便而任意改变当天的促销计划。

模型对 2025 年 12 月 26 日（Boxing Day，周五）的营业需求预测可拆为：

将上述组件重建结果放回营业日历，可以再次看到原始需求预测与最终销售预测的区别：

Boxing Day 正常营业，因此营业日历不会改变模型重建得到的 129.62 件；圣诞节则不同，Prophet 给出的约 95.52 件表示假设门店营业时的需求预测，但在应用闭店状态后，最终销售预测为 0。业务系统应同时保留原始需求预测及其组件，以及应用营业规则后的销售输出；实际销量还会受到随机波动、取整和现场供给条件的影响。至此，拟合参数已还原为每日预测；第六章将进一步检验这些预测在未来窗口中的误差、偏差和区间覆盖率。

六、评估、诊断与参数选择：怎样判断模型是否可靠 #

第五章已将拟合参数还原为未来 28 天的每日需求预测，但获得预测结果并不等同于证明模型可靠。模型评估需按时间顺序划分历史窗口，并在统一的评价对象、基准方法和指标口径下，检验点预测的误差与偏差、不同预测起点的稳定性，以及预测区间的实际覆盖率。本章先固定评估协议，再通过滚动起点回测比较基准方法和候选配置，最后利用预测区间、残差与已知生成机制分析误差来源和模型边界。

本章将使用三组结果。第一组来自第四章配置的“教学基准模型”；第二组来自训练历史内部验证选出的“验证选定模型”；第三组来自单独构造的“缺货机制实验”，用于分析高需求更容易引发缺货时的目标值偏差。这三组结果因其数据来源或评价目的各异，故不能直接混合比较。

先明确评估协议和数据边界 #

在计算指标前，需明确各历史窗口的用途：哪些用于配置选择，哪些用于模型表现评估，哪些实验仅用于解释模型机制。若同一批数据既参与参数选择又用于报告最终结果，评估指标通常会过于乐观。本章采用以下协议：

尽管最后 28 天未用于正文中的配置选择，但其结果已在教程开发过程中被查看，故只能作为教学评价，不能视为独立测试结果。真实项目应另外保留未参与任何开发决策的测试期；本文与条件均值和潜在需求的对照仅适用于模拟数据。

怎样选择评估指标和基准方法 #

指标只有在评价对象和数据口径一致时才具有可比性。记 \(\mathcal T_{\mathrm{eval}}\) 为评价日期集合。本例仅纳入营业、未缺货且目标值有效的日期。\(y(t)\) 表示第 \(t\) 日的实际销量，\(\hat y(t)\) 表示经过非负处理和营业规则约束后、与该销量对应的 forecast_units。

鉴于零销量附近的平均绝对百分比误差（MAPE）不稳定，本文主要采用平均绝对误差（Mean Absolute Error，MAE）、加权绝对百分比误差（Weighted Absolute Percentage Error，WAPE）和汇总百分比偏差（aggregate percentage bias，简称 Bias）进行评估。这里的 Bias 是预测误差的汇总指标，不是统计学中估计量的偏差。

MAE 保留销量单位，用来回答模型平均每天相差多少件：

WAPE 将评价期内的总绝对误差除以实际销量总和，便于比较销量规模不同的窗口或序列。例如，累计绝对误差为 50 件、实际销量为 1,000 件时，WAPE 为 5%：

Bias 保留“预测减实际”的符号，用来判断模型整体倾向于高估还是低估：

MAE 和 WAPE 衡量误差大小，不区分高估或低估；Bias 的正值表示总体高估，负值表示总体低估，因此应与 MAE 或 WAPE 同时报告。当评价集合为空时，三项指标都不定义；当实际销量总和为零时，WAPE 和 Bias 不定义。

除上述指标外，评估还需要一个足够简单的基准参照。本文采用季节性朴素基准（seasonal naïve baseline）：对每个星期几，取预测截止日前最近一次有效销量，并在整个预测窗口中重复使用；若最近一周的对应日期缺少有效目标值，则向前回溯至更早的一周。基准只能使用截止日之前的信息，复杂模型只有在相同回测窗口和评价口径下稳定优于它，额外的训练与维护成本才可能具有价值。第七章将在相同评价日期上比较 Prophet、LightGBM 和这一基准。

所有候选模型和基准方法必须采用相同的营业日、缺货筛选和销售后处理规则，否则指标差异可能来自评价口径，而非模型本身。例如，本例中 Prophet 在营业日上的 MAE 为 4.81 件；若加入预测值和实际销量均为零的闭店日，MAE 降为 4.64 件，而 WAPE 保持不变。MAE 的下降源于评价集合中增加了零误差日期，并不代表模型本身的性能有所改善。

单一汇总指标不足以支撑补货决策。零售系统应分别观察 SKU 级误差、品类级偏差、高销量商品与长尾商品的表现，以及补货周期内的累计需求误差。补货团队通常更关注未来两周的总需求，而非某一天的预测误差。缺货日或闭店日的反事实需求则需要额外的验证信息，不能直接用已记录销量评价。

怎样用滚动起点回测检验稳定性 #

随机划分训练集和测试集会破坏时间顺序，并可能导致模型间接获取未来信息。零售预测更适合采用滚动起点回测（rolling-origin backtesting）：依次选择多个历史截止日，仅使用每个截止日之前可见的数据重新拟合模型，再预测当时尚未发生的未来 28 天。这样可以模拟模型在不同时间上线时的表现，并检查误差是否随预测起点或预测步长发生明显变化 [15]。

Prophet 的 cross_validation() 会在每个历史截止日复制当前模型的结构与配置，并使用截止日前的数据重新拟合，而非让当前这组拟合参数直接回看历史。不过，内置回测会读取传入历史表中的额外回归变量。对于折扣等未来业务输入，每个回测窗口中的取值必须代表当时已经确定的促销计划；如果历史表只保存事后发生的实际折扣，直接回测就会把未来信息泄漏给模型。仅当计划值确实可以预先获得，或能恢复每个截止日的计划快照时，才适合直接使用下面的内置诊断：

from prophet.diagnostics import cross_validation, performance_metrics

cv = cross_validation(
    model,
    initial="730 days",
    period="28 days",
    horizon="28 days",
    parallel=None,
)
assert cv["cutoff"].nunique() == 12

scores = performance_metrics(cv, rolling_window=0.1)
print(scores[["horizon", "mae", "rmse", "coverage"]].tail())

这组设置与教学案例的时间结构相对应：initial="730 days" 使首次拟合使用约两年历史，覆盖两个年周期；period="28 days" 表示预测起点每隔 28 天向前移动一次；horizon="28 days" 对应未来四周的需求预测任务。本例由此得到 12 个预测起点。parallel=None 仅表示依次执行各次拟合，不改变回测协议。

cross_validation() 生成每个 cutoff 与目标日期 ds 对应的样本外预测记录；performance_metrics() 再从这些记录计算 MAE、均方根误差（Root Mean Squared Error，RMSE）和预测区间覆盖率等内置指标。本文使用的 WAPE、Bias、营业日筛选和缺货筛选不由该函数自动完成，需要在 cv 明细上按照前一节的统一口径另外计算。

performance_metrics(cv, rolling_window=0.1) 会先按预测步长排列记录，再在约 10% 的预测—实际值对上滚动汇总，因此结果中的某个 horizon 不只代表该精确步长。若要分别比较第 1、7 和 28 天的误差，应先计算 horizon_days=(ds-cutoff).dt.days，再按精确天数分组 [15]。

如果无法从历史表恢复每个截止日当时可见的价格或促销计划，就应自行编写回测循环：按截止日加载对应的数据和计划快照，重新训练模型，再预测该窗口。回测使用的信息边界必须与真实上线时保持一致。

接下来，将通过独立对照实验区分候选变点范围、先验尺度、傅里叶阶数和季节模式的作用，并仅使用训练历史内的验证窗口选择配置。最后 28 天评价窗口不参与这一选择过程。

配置与模型结构怎样改变预测结果 #

本节通过四组对照实验，解释不同配置和模型结构对预测结果的影响。季节性与消融实验使用教学案例中的 2025 年 10 月 8 日和 11 月 5 日两个内部预测起点，每次预测 28 天，共得到 56 个有效评估样本；趋势实验和加法／乘法实验则分别使用独立生成的数据及其末尾 28 天验证期。不同实验的评价对象可能是观测销量，也可能是生成过程中已知的条件均值，因此数值不应跨实验直接比较。这些实验旨在解释模型机制、缩小候选范围，不替代下一节的配置选择，也不会使用最终的 28 天教学评价窗口来挑选参数。

趋势变点位置与变化幅度 #

趋势实验单独生成 700 天数据，并在第 600 天将增长斜率从 0.025 件/天提高到 0.275 件/天；前 672 天用于训练，后 28 天用于验证。changepoint_range (c-range) 决定候选变点可以分布到训练历史的什么位置，changepoint_prior_scale (cps) 决定模型允许斜率发生多大变化。当 changepoint_range=0.8 时，候选范围结束于真实转折之前；扩大到 0.95 后，候选变点才能覆盖转折附近。

表中的 MAE 相对于加入随机噪声后的观测值计算；图中的黑线则表示无噪声的已知趋势。保持 changepoint_range=0.8，将先验尺度从 0.05 提高到 0.5，验证 MAE 仍为 5.88 件；将候选范围扩大到 0.95，并使用先验尺度 0.05，验证 MAE 降至 1.33 件。这个结果说明，放宽斜率变化幅度无法弥补候选位置未能覆盖真实转折的问题。候选范围和先验尺度需要配合选择，并通过历史验证判断。图中灰线标出真实转折，红线标出训练截止日，其他曲线为各配置拟合的趋势。

季节性复杂度与先验收缩 #

傅里叶阶数决定季节性可以表达多复杂的曲线，seasonality_prior_scale 决定相应系数受到多强的收缩。教学案例使用相同的两个内部预测起点，结果如下：

这四组配置没有覆盖阶数与先验尺度的全部组合，因此比较时需要保持其中一个参数不变。先验尺度同为 0.01 时，可比较年周期阶数 1 和 5；年周期阶数同为 5 时，可比较先验尺度 0.01 和 1.0；先验尺度同为 1.0 时，可比较年周期阶数 5 和 15。在最后一组对照中，15 阶模型的训练 MAE 略低，验证 WAPE 却高于 5 阶模型，说明更复杂的曲线虽然能改善历史拟合，却未能带来更好的样本外预测。不同商品仍需根据各自的历史验证结果选择阶数和先验尺度；噪声水平、目标值尺度和样本量也会影响选择结果。

移除模型组件的消融实验 #

消融实验（ablation study）从教学基准模型开始，每次只移除一个信息来源：移除折扣表示不再通过 add_regressor("discount") 加入折扣变量；移除节假日表示初始化模型时不传入节假日日历；移除年周期表示不再添加本文自定义的年周期季节性。其他配置、训练数据、预测起点和评价口径保持一致，并分别重新拟合模型。

移除折扣、节假日或年周期后，验证误差均增加，但幅度不同。训练 MAE 与验证 WAPE 的单位和用途不同，应分别按列比较模型，不能直接比较 4.55 件与 4.01%。

整体指标还可能掩盖稀疏事件上的大误差。两个内部验证窗口共 56 个有效样本，但其中只有 1 个节假日样本：完整教学基准模型在该日的 MAE 为 2.48 件，移除节假日后增至 31.28 件；与此同时，整体 WAPE 只从 4.01% 上升到 4.65%。单个样本不足以稳定估计模型在所有节假日上的表现，但此对照说明，在评价稀疏事件时，必须同时报告分组规则、样本量和分组误差。

由于每个变体都会重新拟合，剩余组件的参数也会共同调整。因此，消融结果衡量的是删除一个信息来源后整个模型的预测变化，而不是从完整模型的 yhat 中简单减去原组件贡献。进一步检查促销日、节假日和普通日期的误差，以及 Boxing Day 附近其他组件的变化，可以判断缺失结构是否转而被趋势或其他季节性组件吸收。验证误差上升说明该组件在当前数据和模型中提供了样本外预测信息，但不能据此认定相应业务因素具有相同大小的因果效应。

加法与乘法季节性 #

为了单独比较 seasonality_mode 的 “additive” 与 “multiplicative” 模式，本实验构建了两条日级门店—商品需求序列。两条序列使用相同的日期 ds、增长趋势和周周期位置，唯一差别是周波动以固定件数还是固定比例进入条件均值。记基础需求为 \(\ell_t=50+0.15t\)，周周期模式为 \(W_t=\mathbb{I}(\text{周末})-2/7\)；因此工作日取 \(-2/7\)，周末取 \(5/7\)，完整一周的平均值为 0。

两条序列都按照 \(y_t=\mu_t+\varepsilon_t\) 生成观测目标，其中 \(\varepsilon_t\sim\mathcal N(0,2^2)\)。对应本文教学数据的表达方式，ds 是日级日期，y 是模型实际使用的目标值；\(\mu_t\) 只作为模拟实验中的诊断真值，不进入模型训练。为隔离季节性形式，实验不加入折扣、节假日、闭店或缺货机制，也不添加年周期和额外回归变量。

每条序列包含 730 天，前 702 天用于训练，末尾 28 天用于验证。两次拟合只改变 seasonality_mode，其他模型配置保持一致，因此结果主要反映季节性形式与数据生成机制是否匹配。

下表使用末尾 28 天的无噪声条件均值 \(\mu_t\) 计算 MAE，目的是检查模型能否恢复系统性的趋势和周周期结构，避免单次随机噪声掩盖两种模式的差异。这个指标的评价对象与前面基于观测销量的 MAE 不同，因此数值不能直接比较。

图中的黑线表示已知条件均值，其他曲线表示两种 seasonality_mode 下的预测。固定件数波动中，加法模型更贴近条件均值；比例波动中，乘法模型能够随基础需求同步扩大周周期振幅，这与表中的 MAE 结果一致。

真实业务没有可直接观测的生成公式，因此只能先检查季节波动幅度是否随需求水平变化，再通过滚动起点回测比较两种配置。还需要注意，seasonality_mode 是全局配置，未单独指定 mode 的节假日和额外回归变量也会沿用它。本实验只包含趋势与周周期，因此差异可以归因于季节性形式；在完整业务模型中，还应分别检查节假日和额外回归变量采用的是加法还是乘法模式。

以上实验解释了参数和组件如何影响预测结果，但并未提供可以直接部署的“最优配置”。下一节将限定候选集合，并使用训练历史内部的时间窗口，正式选择教学案例的配置。

怎样在训练历史内选择配置 #

前期对照实验旨在理解参数作用；正式选择配置时，我们需限定候选集合与评价规则。本文预设三个 Prophet 候选模型，并基于教学案例训练历史，仅选取 2025 年 10 月 8 日和 11 月 5 日作为预测起点。每个起点预测 28 天，共计 56 个有效样本，最终汇总其 WAPE。三个候选模型的其他结构和评价标准保持一致。注：cps：changepoint_prior_scale，sps: seasonality_prior_scale。

本节采用以下选择规则：优先选取内部验证 WAPE 最低的候选模型；若 WAPE 相同，则依固定候选顺序处理。此计算过程不依赖最后 28 天的目标值。基于此，候选 C 被选定为“验证选定模型”。模型选定后，将利用截至 2025 年 12 月 3 日的完整训练历史重新拟合，并预测 12 月 4—31 日的数据。

三个候选模型的内部验证 WAPE 均接近 4%，其中候选 C 的优势仅约 0.03 个百分点。此结果虽支持当前选择 C，但不足以证明较低的年周期阶数和先验尺度在其他时间窗口或商品序列上能稳定表现更优。候选 C 的一阶年周期恰好与教学数据的生成机制接近，但在真实业务中并无此已知真值，因此仍需更多历史起点及代表性门店—商品序列来验证。

采用候选 C 拟合后，最后 28 天教学评价中的营业日 WAPE 为 4.21%，与教学基准模型的 4.22% 几乎一致。这表明内部选择流程能规范配置决策，但不能保证在单个未来预测窗口中取得显著改善。鉴于该窗口的结果已在教程开发过程中被查看，它仅作为教学评价，不得再次用于扩充候选集合或调整选择规则。

真实项目中，应在开发前固定候选配置、滚动起点和选择指标，并保存每次验证结果及选择依据。完成内部选择后，还需使用未参与任何开发决策的独立测试期（holdout period）来评价最终模型；若继续依据该测试期修改模型，这些数据将失去独立测试的价值。

怎样解释和检验预测区间 #

点预测旨在回答“预计销售多少件”，而预测区间则描述在模型假设下未来观测值可能落入的范围。本节将回归教学基准模型（即年周期阶数 5、季节性先验尺度 1.0），以保持与前文组件和参数解释的一致性。此处不采用上一节验证选定的模型，也不重新选择配置。

在 mcmc_samples=0 的 MAP 路径下，Prophet 的预测区间主要传播观测噪声和模型假设下的未来趋势变化，不包含季节性、节假日和折扣系数的完整后验不确定性。未来趋势模拟还假设历史斜率变化能够代表未来；区间不会自动覆盖未知促销、异常冲击、缺货需求修复误差或模型结构遗漏 [13]。

本例中，我们在每个历史起点重新拟合教学基准模型，保持 uncertainty_samples=1000 不变，仅将 interval_width 分别设置为 0.80 和 0.95。同一预测起点上，MAP 参数和 yhat 完全相同，变化的仅是从模拟预测分布中提取的上下分位数。增加 uncertainty_samples 虽能减小分位数估计的模拟波动，但不会直接提高点预测的准确率。

预测区间需要同时检查实际覆盖率和平均宽度。记下界和上界分别为 \(\hat y_t^{\mathrm{lower}}\) 与 \(\hat y_t^{\mathrm{upper}}\)，则评价集合上的覆盖率为：

平均区间宽度为：

覆盖率越高并不一定越有用，因为把区间无限放宽也可以覆盖更多观测。有效的预测区间需要在接近名义覆盖率的同时保持足够窄，才能为补货决策提供区分度。

区间回测沿用 12 个历史起点，只评价营业且未缺货的 323 个样本：

图中展示了最后一个滚动起点的结果，表格则汇总了全部 12 个起点的数据。80% 区间的实际覆盖率为 75.85%，与名义水平相差 4.15 个百分点；95% 区间实际覆盖 92.88%，相差 2.12 个百分点。当名义覆盖率从 80% 提升至 95% 时，平均区间宽度也从 14.78 件增至 22.73 件，这体现了覆盖范围与区间宽度之间的权衡。这 323 个样本提供了当前教学序列的经验校准结果，但在实际项目中，仍需在更多时间窗口和门店—商品序列上持续监测此类差异。

为定位校准差异，可进一步按预测步长、促销状态、节假日和需求规模分别计算覆盖率和平均宽度。例如，对第 28 天和稀疏节假日的分组结果进行分析，能够揭示总体覆盖率在具体业务场景中的构成。

在库存决策中，预测区间是计算服务水平的关键输入。制定 95% 服务水平策略时，需估计补货交期内的累计需求分布，并综合考虑每日误差相关性、补货批量、缺货成本和积压成本。业务系统可将单日 yhat_upper 与这些约束条件共同输入库存优化流程，进而计算安全库存和订货量。

怎样判断预测误差的来源 #

预测误差通常源于三类机制：未来随机波动、模型尚未捕获的系统性结构，以及闭店或缺货导致的受限目标值。为判断误差来源，需针对每类机制选择相应证据。本节将利用教学基准模型和模拟生成真值来分析前两类误差，并通过单独构造的缺货机制实验分析受限销量，并分别阐述两组实验的数据与目的。

随机噪声与系统性误差 #

模拟数据使我们能将同一组预测分别与无噪声条件均值、含噪声潜在需求以及最终观测销量进行比较。在最后 28 天的评价中，我们仅关注营业日，并得到如下结果：

模型相对于条件均值的误差极小，但相对于潜在需求和观测销量的误差则显著增加。这组差异表明，教学基准模型已恢复大部分已知的系统性结构，剩余误差主要源于随机扰动与销量取整。该预测窗口包含一个闭店日，营业期间未发生缺货；表中指标仅使用与销量对应的营业日数据。模拟数据提供了条件均值和潜在需求作为诊断真值；在真实项目中，可改用库存充足期、受控实验或需求修复结果来建立近似参照。

受限销量与需求相关缺货的选择偏差 #

教学案例中原有的缺货标记与需求独立，适合演示如何屏蔽受限销量。为进一步观察“需求越高越容易缺货”所形成的选择偏差，本节另外生成了 730 天的需求数据，并将可用供给固定为 115 件。当潜在需求超过 115 件时，系统仍记录 115 件销量并标记为缺货；真实需求量仅能确定至少达到 115 件，因此这类记录属于上限删失观测（right-censored observation），而非被排除在样本之外的截断观测。前 702 天用于训练，最后 28 天用于评价，评价目标为生成过程中已知的潜在需求。

当将上限删失销量视为准确需求时，模型保留了全部 702 条训练标签，但将超过 115 件的潜在需求压缩至供给上限，结果得到 6.74% 的 WAPE 和 -3.74% 的 Bias。屏蔽缺货日后，可用标签数降至 580 条，此时 WAPE 为 6.89%，Bias 为 -4.74%。后一组样本仅保留需求未超过供给的日期，因此数据更集中于较低需求水平，导致预测偏差进一步向负方向偏移。

从统计学习角度看，屏蔽后的目标值属于缺失非随机（Missing Not At Random, MNAR）：即潜在需求越高，目标值越可能被删除。缺货标记实际上提供了“潜在需求至少达到 115 件”的下界信息；直接删除观测会同时丢失这项宝贵信息。若每日可用供给上限可信，实际项目可采用删失似然、库存约束需求模型或专门的需求修复流程，并结合库存、到货、货架可用性、搜索或订单信号以及替代购买信息，来估计缺货期间的真实需求。

这组结果揭示了需求相关缺货如何形成选择偏差。实际项目中，可在多个供给水平、缺货率和历史预测起点上重复验证，进而评价需求修复方法在不同门店—商品序列上的稳定性。

残差中的遗漏结构 #

残差（residual）定义为观测值减去拟合值。若残差长期偏正或偏负，通常指示系统性低估或高估；若以固定间隔重复变化，可能提示遗漏的季节性；若促销后持续向同一方向偏移，可能暗示促销滞后或回落效应；若残差幅度随需求水平扩大，则可能存在异方差或比例波动。此外，少数极端残差还应结合缺货、异常订单、数据质量和同期业务事件进行复核。

上图首先按日期展示了教学基准模型的样本内残差，随后计算了相隔 1—28 个自然日的日历滞后相关性（calendar-lag correlation）。闭店或受限目标值在此处仍保持缺失，每个滞后量仅与真实日期间隔相同的残差进行配对，从而保留了原始的日历距离。这种计算方式尤其适用于包含日期缺口的零售序列，与先压缩时间轴再计算的标准等间隔自相关有所区别。

本例中，1—28 天日历滞后的相关系数绝对值均低于约 0.08，且在 7 天、14 天和 28 天附近的峰值也较弱。这表明教学基准模型拟合后，保留的线性周期信号较少，残差形态接近围绕 0 随机波动。为进一步判断白噪声假设，还需检查均值与方差稳定性，并结合置信区间、显著性检验及多重比较控制。

残差诊断的价值在于指导形成可验证的模型修改：例如，7 天附近的峰值可引导工程师重新检查周周期或营业模式；促销后的连续偏移可转化为滞后变量或事件窗口；随需求水平扩大的波动可引导比较加法与乘法模式或观测分布；集中在缺货日的极端残差可推动目标值筛选和需求修复。每项修改都应使用相同的滚动起点重新回测，并以样本外误差作为是否保留的判断依据。

在报告促销日、节假日和普通日期的分组误差时，应同时提供分组规则、重叠关系和样本量。第七章将结合这些分组和精确预测步长，对 Prophet、树模型和季节性朴素基准进行比较。

七、模型扩展与比较：何时继续使用 Prophet #

前六章已经介绍了 Prophet 的拟合、解释和评估。本章将从四个方面探讨是否继续使用 Prophet：单条门店—商品序列是否提供足够信号、未来业务变量能否在预测时获得、历史销量依赖是否需要其他模型表达，以及 Prophet 能否在统一回测协议下优于简单基准和其他候选。完成这些判断后，第八章将讨论系统交付。

如何根据数据条件选择预测方法 #

区分真实零需求、受限销量与缺失记录 #

在评估数据充分程度之前，首先要确认零值的业务含义。当商品正常在售、可购买且供给充足时，没有成交可以记录为零销量；在本文的简化假设下，这类记录也被用作零需求观测。尚未上架、已经退市、门店闭店、缺货造成的受限销量，以及接口失败造成的观测缺失，应分别保留状态标记。排除这些状态后，若非零需求仍以不规则间隔出现，则构成间歇性需求候选。

清理业务状态后，如果序列仍然包含大量真实零需求，就应检验 Prophet 对条件均值的建模方式是否适合当前数据。对于非零事件充足的序列，可以将 Prophet 作为平均需求率基线，并与 Croston、SBA、TSB 或两部分模型等间歇性需求方法进行比较 [16, 17, 18, 19]。附录 A 定义了描述需求间隔和正需求量波动的指标，附录 B 使用这些指标比较了四个教学场景，附录 C 介绍了各候选方法的基本机制与公式。

有效历史与非零事件是否足够 #

Prophet 可以在日期存在间隔的数据上拟合，也能将零销量作为数值观测。然而，要稳定估计趋势、周期、节假日和业务变量的贡献，还需要足够长的有效历史、足够多的有效观测，以及覆盖相应规律的样本外评价窗口。数值优化成功仅说明模型完成了参数求解；有效事件数量和历史覆盖范围则决定了这些参数是否具有可学习、可验证的业务含义。

零值比例高与可用数据不足是两个相关但不同的问题。即使一条序列多数日期为零，只要观察期足够长、非零需求反复出现，仍可能提供可学习和验证的信号；新品或极低频商品即使零值比例相近，也可能只有少数几次非零销售。零售业同时包含高频刚需品、季节性商品、新品和长尾商品，模型选择应依据具体门店—商品序列提供的有效历史和事件数量。

如何选择预测粒度和信息共享方式 #

当单条序列的非零事件不足时，可以将日需求聚合为周需求，将单店需求聚合为门店组需求，或者采用能够跨门店和商品共享信息的全局模型。新品和极低频商品可以先使用类目基线、相似商品映射或业务回退规则，待事件积累后再评估独立的局部模型。

聚合也会改变预测对象。如果补货决策本身就在门店组—周粒度完成，可以直接在该粒度比较 Prophet、统计模型和树模型；如果决策仍需要门店—日预测，则还要设计时间或门店维度的拆分，并考虑层级或分组预测的一致性约束。评价对象应覆盖“上层预测—拆分或协调—补货决策”的完整流程，而不仅仅是聚合层的预测误差 [20, 21]。

因此，可以先根据数据充分程度和实际决策粒度进行分流：

建模始于检查数据状态、有效历史和非零事件，再确定预测粒度、信息共享方式和候选模型。所有方案都应在实际决策粒度、相同信息集和滚动预测协议下进行比较。本文尚未运行间歇性需求方法、全局模型或层级协调实验，因此此处仅说明选择路径与适用边界，性能排序仍需由后续实验给出。

如何判断业务变量能否用于未来预测 #

确定预测粒度和候选模型后，还需要界定预测发起时可用的信息。Prophet 的趋势、季节性和节假日组件可以根据未来日期直接计算；而价格、折扣、陈列和天气等额外变量，则必须在调用 predict() 前提供未来各目标日的取值。工程师需要在拟合前通过 add_regressor() 注册这些变量，并确保训练表与预测表使用相同的字段定义、数值口径和缺失值处理规则 [6]。

前文的向量 \(\mathbf{x}_t\) 就是这些额外变量的集合。一个变量是否适合进入需求预测，关键取决于发起预测时能否获得未来各目标日的取值；历史数据中的事后记录需要转换为当时可见的计划快照、外部预测或情景输入。

教学案例中的折扣计划在预测发起时已经确定，因此可以作为额外回归变量。训练期和未来期都使用 0—1 比例表示折扣，并设置 standardize=False。真实项目中的价格、陈列和广告投入也应保存预测起点当时可见的计划版本；事后形成的执行记录只能用于对应时间之后发起的预测。

新增连续变量是否标准化、采用加法还是乘法模式，以及原尺度系数如何解释，沿用第四、五章的规则。预处理参数只能从相应训练窗口估计；高度相关的变量需要检查可辨识性，非线性或交互关系则可以通过显式构造特征，或在后文的树模型比较中验证。所有新增变量都应通过时间回测和消融实验检验增量价值。

如果天气或客流等变量来自外部预测，可以将其预测值作为 Prophet 输入，也可以设置多个业务情景分别计算需求 [22]。外部变量的预测误差会继续传入需求预测，因此回测应覆盖“外部变量预测—需求预测”的完整链路，并保留每个预测起点实际可见的输入版本。

业务计划和外部预测解决了未来输入从哪里获得的问题；销量滞后和滚动统计还涉及另一项时间边界：随着预测步长增加，构造目标日特征所需的部分销量尚未发生。下一节将具体讨论这类特征在 28 天多步预测中的构造方式和信息泄漏风险。

销量滞后特征在多步预测中如何保持时间边界 #

销量滞后和滚动统计可以表达近期需求水平，但它们在多步预测中的可用性会随预测步长改变。设预测起点为日期 \(d\) 的营业结束时，目标日为 \(d+h\)。目标日的前一日销量特征为 \(y(d+h-1)\)：当 \(h=1\) 时，模型使用已经观测到的 \(y(d)\)；当 \(h\geq2\) 时，所需销量位于预测起点之后，发起预测时尚未发生。目标日前七天均值也会随着 \(h\) 增大而逐步包含未知日期。

因此，滞后特征必须围绕每个预测起点重新构造。如果先在包含评价窗口的完整数据表上调用 shift(1) 或滚动计算，再切出未来 28 天，较远目标日就会读到预测起点之后的真实销量，形成时间信息泄漏。训练、验证和上线流程都应记录预测起点，并逐项检查每个目标日的输入在当时是否可见。

使用近期销量信息时，可以根据业务更新频率和预测任务选择以下设计：

另一种设计是先用 Prophet 生成趋势、日历和业务计划基线，再让第二个模型学习基线之外仍可预测的残差结构。第二阶段的训练输入应来自历史滚动预测产生的样本外残差，而不是同一训练期内的拟合残差；完整回测也应同时运行两个阶段，才能反映未来窗口中的实际误差。

ARIMA 如何表达销量与误差的时间依赖 #

上一节讨论了如何显式构造销量滞后特征。ARIMA（AutoRegressive Integrated Moving Average，自回归差分移动平均模型）提供了另一种表达时间依赖的方式：差分项用于处理序列水平的变化，自回归项使用差分后序列的历史值，移动平均项描述历史创新项——模型在当期新出现、此前无法预测的误差——如何影响当前值 [23]。这里的“移动平均”属于误差结构，与特征工程中的“过去七天销量均值”不是同一个概念。

ARIMA 在多步预测中会按照已估计的时间依赖关系逐步生成未来值，因此不需要把未来真实销量作为滞后输入。自回归项在较远步长中使用前面生成的预测，尚未观测到的未来创新项按其条件期望处理，预测不确定性也随之传播。ARIMA 通常基于等间隔时间序列建模；零售数据中的闭店日、缺失日期和目标值屏蔽需要先按统一的日历与目标口径处理。

如果模型还需要价格、折扣或节假日等业务输入，可以采用带 ARIMA 误差的回归模型：回归部分表达外部变量的贡献，ARIMA 结构描述回归后仍然存在的时间相关性 [24]。这些外部变量在未来预测窗口中的取值仍需提前准备，历史回测也应使用各预测起点当时可见的计划或外部预测版本。

当第六章的残差检查显示稳定的时间相关性时，可以把 ARIMA 类方法加入候选，并使用相同的目标变量、预测起点、未来业务输入和评价窗口检验其增量价值。若残差主要表现为节假日遗漏、缺货约束或业务计划偏差，则应先修正相应的数据或结构，再判断是否需要加入 ARIMA 误差。

怎样建立统一的候选模型比较协议 #

在讨论了间歇性需求方法、额外业务变量、销量滞后和 ARIMA 后，将这些方法纳入候选集合时，需要先统一实验协议。这样做有助于区分误差差异是来自模型结构还是输入信息。

在统一信息边界的同时，不要求所有模型使用完全相同的特征表示。Prophet 可以通过傅里叶项表达周期，树模型可以使用星期和月份等日期特征，神经网络也可以读取历史窗口；但所有这些输入都必须由预测时可获得的同一组信息构造。当某个候选模型加入了额外业务变量、历史窗口或跨序列信息时，应单独报告信息集的变化，避免将新增信息带来的收益全部归因于算法。

如果未来输入可靠、变量数量有限且关系适合线性表达，可以考虑 Prophet 加回归项。对于大量类别属性、阈值效应和非线性交互，树模型则更值得比较。当多条相关序列能够共享规律且历史窗口具有稳定价值时，可以进一步验证相应的全局模型或神经网络架构。

模型家族概览：树模型与神经网络 #

回归树通过“折扣是否超过某个值”“是否周末”等规则分裂样本，并在每个叶节点给出预测值。梯度提升决策树（Gradient-Boosted Decision Trees，GBDT）组合多棵树，逐轮改善训练目标。LightGBM 和 XGBoost 都能表达分段非线性关系与交互：前者使用直方图等机制提高效率，后者提供带正则化的提升树框架 [25, 26]。然而，实际误差、速度和内存占用仍需在目标数据与运行环境中进行比较。

神经网络预测模型则包含多种不同架构。Temporal Fusion Transformer（TFT）面向多步预测，区分静态变量、已知未来输入和仅在历史可见的输入 [27]；N-BEATS 的原始任务是主要依赖历史目标窗口的单变量点预测 [28]。因此，评价神经网络时应明确具体架构、输入窗口和预测方式，而不能把“神经网络”视为单一候选。

模型家族对比与工程考量 #

下表比较了模型结构与工程要求，但这不构成固定的性能排名：

模型家族与训练范围是两个选择：树模型和神经网络均可采用局部或全局训练。跨序列共享取决于样本与结构设计，新商品、新类别仍需单独验证冷启动。

下一节的教学实验统一了目标变量、时间切分、可用输入和预测后处理，重点报告预测误差与特征行为。因此，当前结论限定在预测表现与特征使用方式。生产环境中的总体成本（包括训练时间、推理成本和批量失败率）还需要另行量化。

同数据的 Prophet 与 LightGBM 比较说明了什么 #

实验设置与总体结果 #

本实验在一条教学序列上比较 Prophet、LightGBM 和季节性朴素法（seasonal naïve method）[29]。本文将其作为基准方法：该方法对每个星期几，读取预测起点前最近一次有效销量，并以此作为未来同一星期几的预测，旨在检验复杂模型是否真正优于仅延续周规律的简单方法。

设训练截止日为 \(T\)，预测步长为 \(h\)，\(\operatorname{dow}(t)\) 表示日期 \(t\) 的星期几。本文的季节性朴素预测写为：

其中，\(\tau(T+h)\) 是预测起点之前与目标日星期几相同的最近有效日期。若训练数据没有缺失或被屏蔽的目标值，此定义等价于周期为 7 天的标准季节性朴素法；我们向前查找有效观测，以跳过因缺货或闭店造成的不可用目标值。此基准要求训练历史中每个星期几至少存在一个有效观测，教学数据满足此条件；若真实数据缺少某个星期几的有效历史，则需另外定义均值基准或业务回退值。

LightGBM 使用日期特征、VIC 公共假日和预测时已知的折扣计划，不使用销量滞后或滚动统计；未来 28 天根据各目标日的已知特征直接生成预测。模型先在训练历史内部按时间顺序验证，通过早停（early stopping）选择树的数量，随后使用全部有效训练历史重新拟合。三种方法使用相同的目标变量、评价日期、缺货筛选、营业日历和非负后处理。

在当前教学数据和特征集合下，Prophet 在最终评价窗口和滚动回测中均取得了较低的 WAPE，Prophet 和 LightGBM 的 WAPE 均远低于季节性朴素基准。教学数据的趋势、周期、节假日和折扣机制与 Prophet 的模型结构较为接近，因此这组结果说明 Prophet 与当前数据生成机制匹配较好；其对真实零售数据的相对表现，仍需在相应业务样本上重新验证。

最终评价窗口包含 28 个日历日，其中 27 日营业且无缺货。12 个滚动起点共形成 323 条营业且未缺货的“预测起点—目标日”记录；由于同一个目标日期可能由不同起点重复预测，因此 323 应理解为预测记录数，而非彼此独立的日历日期数。汇总 WAPE 定义为全部有效记录的绝对误差之和除以实际销量之和。三种方法使用相同的营业日历和非负规则，闭店销售固定为零。

Prophet 使用前文确定的教学配置；LightGBM 固定学习率、叶节点数和正则化参数，仅通过内部时间验证与早停选择树的数量。后续节假日诊断将额外比较三个预先指定的候选设置。因此，表中的排序适用于当前有限的配置范围；更完整的模型排名需要为各候选设计可比较的超参数搜索。XGBoost 和神经网络留作后续实验，表格仅报告本次实际运行的方法。

LightGBM 为什么没有使用节假日特征 #

总体结果显示 LightGBM 的误差略高于 Prophet，分组检查进一步将部分差距定位到节假日记录。在最终评价窗口对应的训练数据中，原始 LightGBM 采用了英文中可表述为 named-holiday indicator features 的设计，即按节假日名称分别建立指示变量；本文将其简称“节假日分别编码”。为说明此设计，下表使用可读的节假日名称表示概念列名：

前两列表示“节假日分别编码”：Boxing Day 仅激活其对应的列，Australia Day 也仅激活其对应的列。最后一列表示后续比较的“统一公共假日标记”，只区分当天是否为公共假日，不再区分具体名称。为避免名称中的空格和特殊字符，实际代码使用 holiday_00、holiday_01 等列名，并另外保存编号与节假日名称的对应关系。

原始设计共生成 15 个节假日特征。在最终训练数据中，每个特征仅有 0—3 个有效正例，最终拟合模型对这些特征的分裂次数和增益亦均为零。min_child_samples=20 要求叶节点获得更多训练样本，因此，这些稀疏指示变量难以单独形成有效分裂；默认特征预过滤还可能进一步限制它们进入分裂搜索 [30]。

12 个滚动起点共形成 8 条门店营业的公共假日“预测起点—目标日”记录。在这组小样本中，LightGBM 和 Prophet 的 WAPE 分别约为 17.83% 和 3.65%；对于普通日期，WAPE 分别约为 5.31% 和 4.47%。这组结果用于定位误差集中位置，样本量尚不足以支持稳定的节假日性能排序。Good Friday 和 Christmas Day 等固定闭店节假日对应的指示变量，在有效训练样本中无正例，因为这些日期的目标值已被屏蔽；模型无法从这些训练样本中估计相应的销量效应，而闭店后的零销量则由营业日历规则处理。

合并节假日特征后结果怎样变化 #

上述诊断表明，按名称分列后，每个节假日特征获得的有效样本量很少。为检验特征稀疏性带来的影响，本实验在最终 28 天评价窗口之前，使用两个历史预测起点比较了三种 LightGBM 节假日特征设置，每个起点评价未来 28 天：

降低最小叶样本门槛后，分别设置的节假日指示变量获得了更多参与分裂的机会。统一公共假日标记则将多个稀疏事件汇集为一个特征：教学数据为所有公共假日设置了相同的 \(28H_t\) 加法效应，因此，统一标记既增加了正例数量，也更接近数据生成机制，并在内部验证中取得了较低的 WAPE。由于闭店日的目标值已被屏蔽，此统一标记在有效训练样本中主要从营业的公共假日获得参数信息。若真实业务中不同节假日具有不同方向或幅度，统一标记可能掩盖差异，仍需根据业务机制和历史样本量确定合并范围。

两个历史起点足以演示“先在训练历史中选择配置，再评价最终窗口”的流程，但候选排序仍可能受具体起点影响；真实项目中应扩大历史起点数量，并检查不同门店和商品上的稳定性。

候选选择完全基于这两个历史起点，最终 28 天评价窗口继续保留用于一次独立评价。选中的统一公共假日标记配置在该窗口的 WAPE 为 4.36%，低于节假日分别编码的原始配置 4.68%，并缩小了其与 Prophet 约 4.22% 的差距。

图中特征重要性按训练目标的分裂增益汇总，用于描述模型如何使用特征；因果贡献则需通过相应的因果设计分析。图中缺少的稀疏节假日特征可以在完整增益表中核对，以确认其是否参与分裂。

此实验表明，模型比较不仅取决于算法家族，也取决于特征如何表示业务机制，以及每个特征获得多少有效样本。Prophet 在当前教学数据上受益于其显式的周期和节假日结构；统一公共假日标记则将 LightGBM 在最终评价窗口的 WAPE 从 4.68% 降至 4.36%，这说明原始结果中的部分差距源于节假日特征表示与样本支持度。真实项目仍需在具代表性的门店、商品和独立评价窗口上重新比较。

怎样在候选模型体系中定位 Prophet #

在候选模型体系中，Prophet 首先是一种结构明确、便于复核的时间序列模型，也可以作为其他方法的可解释基线。工程师可显式配置趋势、周期、事件和计划变量，根据未来日期直接生成预测，并检查各组件对结果的贡献。对于有效历史充分、规律相对稳定，而且业务团队需要复核预测结构的序列，Prophet 值得纳入正式回测。

不同的数据机制对应不同的候选方向。下表用于确定优先实验顺序，不代表所有数据集上的固定性能排名：

本章已运行 Prophet、LightGBM 和季节性朴素基准；对于 XGBoost、ARIMA、神经网络和间歇性需求方法，正文说明了其建模机制与候选条件，性能排序则留待后续实验。无论序列进入哪条模型路径，均应保留与任务匹配的简单基准，例如季节性朴素法、类目基线或业务规则。

所有候选沿用前一节的统一比较协议。最终选择将综合第六章的滚动回测、关键日期与商品分组误差，以及下一章讨论的训练成本、交付成功率和回滚条件；当候选模型使用额外业务变量、历史窗口或跨序列信息时，还应单独报告信息集变化。

当目标粒度数据充足、未来输入在上线时可获得，且统一回测显示 Prophet 的误差具有竞争力、组件解释具有业务价值时，可将 Prophet 作为主要候选。若其他方法取得更低且更稳定的误差，Prophet 仍可作为可解释基线或回退方法；当其他路径在预测效果、运行成本和维护性方面更适合当前序列时，可将该序列交给相应模型，不再单独维护 Prophet。

完成门店—SKU 序列的模型分流后，还需将目标值、计划快照、模型版本、预测结果、回测和回退规则衔接为可追溯的交付流程。第八章将讨论此工程边界，第九章再据此给出实施建议。

八、MLOps：从候选模型到可运行的需求预测系统 #

第七章根据需求序列数据确定了候选模型。本章将这些模型集成到可运行的批量预测流程中，首先界定教学实验与生产系统之间的差距，并阐述需求预测如何融入补货决策。接着，我们将讨论日级数据构建、任务规模、并行执行、模型版本管理和失败回退策略。最后，本章将涵盖模型上线后的持续评估、发布与责任交接。

零售系统通常按日批量生成未来 28 天的预测，但预测频率、模型重训频率和模型发布时间可以分别设定。系统需要根据数据变化、计算成本和回测结果安排这三种运行节奏。

明确系统边界与业务输出 #

从教学实验到生产系统还需要验证什么 #

配套Notebook提供了教学数据上的模型行为与实验流程证据。要将候选模型集成到补货系统，还需要验证真实接口、生产规模和运行责任，并明确以下证据边界：

模型训练与发布流程。 候选模型使用历史数据完成回测和质量检查；只有通过质量门槛的候选才会替换当前生产版本：

flowchart LR
    A["版本化训练数据"] --> B["候选模型训练"]
    B --> C["时间回测与分组评估"]
    C --> D{"质量门槛是否通过"}
    D -->|是| E["发布新模型版本"]
    D -->|否| F["保留当前生产版本"]

日常批量预测流程。 日常任务读取已经发布的模型。输入不合格、模型加载失败或推理失败时，系统执行对应的冷启动或回退规则，并明确记录状态：

flowchart LR
    A["交易、库存与计划快照"] --> B["特征与质量检查"]
    B --> C{"输入是否合格"}
    C -->|是| D["已发布模型预测"]
    C -->|否| E["冷启动或数据回退"]
    D --> F{"推理是否成功"}
    F -->|是| G["写入版本化预测表"]
    F -->|否| H["模型运行回退"]
    E --> G
    H --> G
    G --> I["补货计算与异常复核"]

怎样把需求预测转换为补货建议 #

需求预测进入补货决策后，系统首先要确定当前库存需要覆盖多长时间。这个时间范围称为保护期，通常由补货交期（lead time）和两次库存检查之间的周期（review period）共同决定。沿用前文的记号，设 \(T\) 为预测起点，\(h\) 为预测步长，\(\hat y_{T+h\mid T}\) 表示模型在 \(T\) 时刻对未来第 \(h\) 天给出的点预测。将保护期内的逐日预测相加，可以得到这段时间的累计需求预测：

其中，\(H_{\mathrm{prot}}\) 是保护期包含的预测步数，\(\hat y_{\mathrm{prot}\mid T}\) 是相应的累计需求预测。教学案例中，Prophet 返回的 yhat 已经恢复为 SKU 的业务单位，表示逐日需求点预测。如果补货只需要覆盖实际营业日，则应先根据已知营业日历得到 forecast_units，再计算保护期合计。

补货系统在累计需求预测上增加安全库存，形成目标库存水平，再减去当前库存位置；已有库存足以覆盖目标时，建议订货量为零。这个简化规则写为：

记号说明：

零售案例。 为便于比较，下面假设库存位置按照“现有可用库存＋已下单的在途库存－已承诺数量”计算，并且预测、库存和订货量都使用同一 SKU 单位：

鸡蛋案例的目标库存水平为 \(420+60=480\) 盒；当前库存位置为 270 盒，因此初步建议订购 210 盒。红酒案例的目标库存水平为 30 瓶，低于当前 38 瓶的库存位置，因此建议订货量为零。促销饮料案例得到的初步建议为 390 罐；如果供应商要求按每箱 24 罐订货，则需要向上调整为 17 箱，即 408 罐，再检查最小订货量、仓储容量和保质期。

这三个例子也说明，需求预测只是补货计算的一项输入。公式中的数量必须采用相同的 SKU 单位，库存和在途数量的统计范围也要与保护期匹配。\(Q_T\) 是应用业务约束前的初步建议，实际订单还要考虑箱规、最小订货量、保质期、供应商限制和仓储容量。

安全库存应根据保护期累计需求的误差分布和业务能够接受的缺货风险确定。不同日期的预测误差可能相关，因此计算时需要保留这种相关性。如果系统已经使用需求分位数设定目标库存，还需要检查其中是否已经包含同一风险缓冲，避免重复增加安全库存。

构建可扩展的批量预测流程 #

批量预测流程首先将交易记录转换为门店—SKU 日级可建模序列，然后根据有效序列数量估算训练和预测规模。系统以完整序列为任务单元执行模型训练和预测，并保存模型、输入条件、预测结果及失败状态，确保每次运行均可追踪和重现。

先把交易记录聚合为门店—SKU 日级序列 #

数据管道首先在数仓或分布式引擎中，按照 (store_id, sku_id, business_date) 聚合交易记录，得到每日观测销量 SUM(sold_units)。我们假设 business_date 已按门店当地营业日生成；sold_units 表示系统记录的售出数量，不一定等同于未受供给约束的潜在需求。退货需单独核对：如果目标是顾客购买需求，若直接将退货作为负销量相减，可能改变目标变量的业务含义。

交易聚合结果通常只包含有交易发生的日期。系统还需要按相同粒度关联商品在售区间、门店营业日历、库存、价格和促销快照，并为每条有效门店—SKU 序列建立完整的日期索引。仅在确认商品当日在售、门店营业且交易数据完整时，缺失交易记录才可补为零销量；闭店、未上架和接口缺失等情况应保留其各自的业务状态。连接维表前，还需检查键是否唯一，以防止多对多连接重复放大销量。

单条门店—SKU 序列的三年历史仅有约 1,095 个日级观测。分布式引擎负责清洗、聚合、连接和日期补全，各序列的 fit() 则作为独立任务执行。

怎样估算局部模型的任务规模 #

标准 Prophet 是局部预测模型（local forecasting model），即每条序列独立拟合；把多条门店—SKU 序列放进同一张表不会自动共享参数或表示。与之相对，全局预测模型（global forecasting model）联合多条序列训练，使它们共享部分参数或表示。这里的“局部/全局”描述跨序列的训练范围，不是局部最优与全局最优。

1,000 家门店各有 10,000 个候选商品，理论组合数可达一千万。生产系统会首先排除未在售、已退市或不符合预测条件的组合，然后按照目标期间的有效在售组合计算真实的序列数量：

其中，\(N_{\mathrm{series}}\) 是需要预测的有效门店—SKU 组合数，\(H\) 是每条序列的预测步数。当所有序列都生成完整的 \(H\) 个目标日期预测时，\(N_{\mathrm{outputs}}\) 则为一次批量预测产生的结果行数。不同渠道和履约节点可能采用不同的有效组合标准，因此，生产任务规模应根据目标期间的实际预测对象计算；有效组合也会随商品上架、退市及门店状态变化而动态调整。

系统应首先建立有效在售组合，然后计算历史长度、非零事件数、平均需求间隔（Average Demand Interval，ADI）和非零需求量的平方变异系数等序列画像。序列画像需要同时标明时间粒度和组织粒度：同一商品在单店—日粒度可能稀疏，但在区域—周粒度却可能稳定。系统沿用第七章确定的分流规则，为每条序列分配 Prophet、间歇性需求基线、全局模型或冷启动策略；本章仅讨论这些任务如何批量执行。ADI 与需求量变异的具体定义和时间口径见附录 A。

以完整序列为单位并行训练 #

对适合 Prophet 的序列，通常以 (store_id, sku_id) 为任务单元，将完整训练窗口交给一个执行进程或节点（worker）。每个任务都保留同一条序列的完整时间历史，使模型能在一条连续时间轴上估计趋势、季节性和事件效应；调度系统则在不同序列间分配并行任务。

批量训练可使用进程池、任务队列或分布式框架。Spark 分组训练时，各 worker 需有相同依赖且能容纳完整序列；序列长度不同也会造成耗时不均。

批量回测的总拟合工作量取决于参与回测的序列数量、每条序列需比较的配置数量、每组配置使用的回测起点数量，以及实测的单次平均拟合时间。四者相乘可得到所有拟合任务的累计耗时，而非并行运行后的实际等待时间：

记号说明：

这里的 \(N_{\mathrm{fit}}\) 是 \(N_{\mathrm{series}}\) 的子集。以 Prophet 批量回测为例，它仅统计经过模型分流后进入 Prophet 候选路径的序列，不包含分配给间歇性需求方法、全局模型或冷启动规则的序列。

假设本轮参与回测的序列数 \(N_{\mathrm{fit}}=100{,}000\)，配置数量 4，回测起点数量 5，平均拟合耗时 2 秒，则总工作量约为 400 万秒，约 1,111 小时。在 200 个计算槽位利用率达 100% 的理想条件下，计算时间约为 5.6 小时；实际运行还需要考虑任务长尾效应、调度开销、预测过程、最终模型重训、数据读取和失败重试。这里的 2 秒只是容量估算值，实际规划应代入目标环境的实测结果。

系统可以定期在代表性序列上筛选分组配置集，并在计划重训时复用已验证的配置；每日预测则读取当前发布模型。对于高价值、漂移明显或预测效果恶化的序列，则触发更完整的参数搜索。

Prophet 的诊断接口支持进程、线程和 Dask 并行回测 [15]。这解决了回测任务的执行方式。生产环境仍需单独编排序列间的训练，并控制嵌套并行，避免每个 worker 再次启动一组进程耗尽资源。

保存模型及其预测条件 #

Prophet 模型包含 Stan 后端对象，官方建议使用 JSON 格式进行模型序列化与还原，而非直接使用 Python pickle [22]。

配套实现通过 model_to_json() / model_from_json() 保存和加载模型，并检查加载后的点预测是否与保存前一致；随机生成的区间端点不用于确定性一致性检查。

模型文件仅能还原已拟合的参数。为了重现某次预测结果，系统还需要记录训练数据快照、训练截止日、预测输入快照、特征定义、计划版本、参数配置、代码版本、依赖版本和回测结果。

预测表则建议保存以下字段：

系统可以使用 (store_id, sku_id, forecast_origin, ds, run_id) 标识一条不可变的预测记录，以确保同一运行重试时保持幂等写入（idempotent write）。系统保留每次运行的不可变结果，然后通过“当前生效版本”指针发布供下游使用的预测；部分任务失败时按规则回退，并记录每条预测的来源。

怎样处理失败并生成可追踪结果 #

批量作业应隔离每条序列的异常，确保单个模型失败只影响对应任务。工程师可以事先定义回退策略（fallback strategy），例如使用上一个仍在有效期内且特征结构兼容的模型配合当前计划进行预测、季节性朴素预测，或品类规则。各策略需分别回测，异常状态和回退预测应一并保存。

系统还应区分正常预测、输入数据不合格、模型不可用、推理失败、回退成功和商品停用等状态。真实零需求应保留为数值零；无法生成预测的记录应保留为空值，并写入失败原因和回退来源。这可以防止下游补货系统将运行异常解释为零需求。

持续评估、发布与责任交接 #

模型发布后，系统需持续记录实际预测，并在目标值成熟后评估不同预测步长的表现。监控结果可触发数据排查、候选模型重训及受控发布，但每个环节均需独立质量门槛与责任人。本节将依次阐述线上评估、CI/CT/CD 流程及系统交接要求。

上线后怎样持续记录和评估预测 #

上线监控需从运行状态、数据质量、预测表现和业务结果四个维度进行观察：

缺货率、库存周转和报损还会受到补货策略、供应执行和门店操作影响，因此这些指标用于评价完整的决策系统，不单独归因于预测模型。预测误差必须使用与建模目标一致的实际值。例如，仅评价库存充足日期可能遗漏缺货风险；若直接使用受限销量评估潜在需求预测，又可能将合理的高预测误判为误差。监控报表应明确目标变量口径、有效观测条件和目标值覆盖率。

持续评估应核对当时实际发出的不可变预测，而非使用新模型重新计算历史预测。系统可按 store_id、sku_id、forecast_origin、ds 和 run_id 连接预测与实际值，并保留 model_version。其中，forecast_origin 区分同一目标日从不同起点发出的预测，run_id 标识具体交付批次，model_version 则记录当时使用的生产模型。离线回测模拟历史时点，而线上评估则检查实际交付结果，二者作用不同。

目标日期结束后，销量记录仍可能因退货、接口补传或库存状态修订而变化。系统应定义目标值成熟规则：仅当记录达到规定等待时间、完成必要修订并通过质量检查后，才可进入正式性能评估。评估数据可保存 actual_available_at、actual_version、stockout_status 和 evaluation_status，以说明目标值何时可用、采用哪个修订版本以及能否参与评价。

同一个目标日可能同时存在提前 1 天、7 天和 28 天发出的预测。例如，某个门店—SKU 在 2025 年 12 月 20 日的需求，可以来自三次不同的批量预测：

三次预测的目标日期相同，但每次只能使用当时已发布的模型版本及可获得的业务计划。若期间发生计划重训，训练历史截止日也会随模型版本改变，导致三个预测值可能不同。待 12 月 20 日目标值成熟后，系统会将同一实际值分别与三次预测进行比较，从而评估模型在 1 天、7 天和 28 天预测步长上的表现。系统应保留每次预测，并按精确预测步长分别汇总。当滚动窗口相互重叠时，同一实际值可能进入多个预测—实际值对，因此报告需同时给出预测记录数、目标日期数和预测起点数。

统计窗口还要明确按照预测起点还是目标日期划分。尚未到达或成熟的目标值应保持缺失。只有当比较窗口达到相同的成熟程度后，不同周期的指标才具可比性。指标可继续按预测步长、品类、门店、销量规模和促销状态分组，以检查总体结果是否掩盖了重要场景中的系统性低估。

漂移监控需要区分三类变化：价格等输入特征的分布变化属于特征漂移（feature drift），销量目标的分布变化属于目标漂移（target drift），输入与目标之间关系的变化属于概念漂移（concept drift）。输入和目标分布变化可提供早期预警；待目标值成熟后，团队再结合预测误差、偏差和残差结构判断模型关系是否发生变化。指标突然改善时，也应检查缺货日是否被排除、商品组合是否改变以及目标值覆盖率是否下降。

重训规则应同时规定误差门槛、最小有效样本量、连续触发窗口和数据质量条件。例如，当某个品类在连续多个有效样本充足的窗口中出现明显低估时，团队应先排查计划覆盖、缺货状态和业务变化，再决定是否启动候选模型重训。

CI、CT 和 CD 怎样连接测试、训练与发布 #

机器学习运维（MLOps）需要区分代码和配置验证、候选模型训练、模型发布以及日常批量预测。持续集成（Continuous Integration，CI）、持续训练（Continuous Training，CT）和持续交付（Continuous Delivery，CD）分别负责前三个环节 [31]：

每日批量预测读取当前生效的模型版本，本身不属于 CT，也不意味着每天进行重新训练。CT 负责生成和评估候选版本，CD 决定哪个版本进入生产环境；因此，预测、评估、重训与发布可采用不同频率。

持续评估为 CT 提供触发信号。监控告警应先进入数据和计划输入排查，随后让候选模型在相同信息条件与评估窗口下对照当前版本和基准方法。候选版本通过质量门槛后，CD 方可将其发布；其余情况则继续使用当前合格版本或执行既定回退规则。

例如，系统可每天生成预测，每周启动一次候选模型训练，并仅在候选版本通过总体指标、关键商品分组和低估风险检查后发布新版本。性能持续下降时可额外启动训练，但仍沿用相同的评估与发布门槛。

系统交接时需要明确哪些责任 #

系统交付时，团队需明确数据质量、模型审批、批量运行和补货决策的责任归属：

这些条目描述的是责任范围，不要求企业设置四个独立岗位；同一个团队可承担多项责任。交接材料应涵盖数据契约与目标变量定义、模型配置与评估报告、运行排期与发布标准、告警与回退规则，以及故障恢复和历史预测重现步骤。接手团队应能根据已保存的运行版本重现预测，并演练数据缺失、批量失败或候选发布失败时的恢复流程。

持续监控发现数据异常时，问题将返回数据管道处理；当模型误差在有效样本上持续恶化时，系统将启动重训或重新比较候选模型；若业务目标、商品范围或补货规则发生变化，团队则需重新确认预测对象和验收标准。责任交接的目的在于确保每类问题都有明确的证据、处理流程和负责人。

九、总结与实施建议 #

核心结论 #

本系列文章从一个门店—SKU 的 28 天日级需求预测任务出发，依次讨论了预测对象、Prophet 模型结构、数据转换、参数求解、时间回测、候选模型比较和生产交付。核心结论是：Prophet 是否适合一条零售需求序列，不取决于模型名称，而在于目标变量是否明确、历史信息是否充分、时间规律是否可以识别、未来业务变量是否能够获得，以及模型能否在时间回测中稳定超过简单基准。

建议的实施顺序 #

真实项目可以按照下面的顺序逐步扩大范围：

完整 Python 代码、配套 Notebook 和运行说明见 GitHub 仓库：retail-demand-forecast。教学代码用于复现数据生成、模型拟合、组件重建和回测结果；迁移到真实业务时，仍需根据企业的数据口径、可用信息和业务约束重新验证。

生产实施应沿用本文建立的证据链：保存预测时真实可用的数据与计划快照，在时间回测中比较候选模型，通过小范围试运行验证数据、预测和回退流程，再将满足质量门槛的版本接入补货系统。上线后，团队使用成熟且口径一致的目标值持续评估预测，并保留模型版本、运行状态和业务责任。Prophet 可以是主要模型、可解释基准或回退方法；它在系统中的最终位置，应由数据条件、样本外表现、业务价值、运行成本和维护复杂度共同决定。

附录：补充需求机制与候选方法 #

本附录将按照以下顺序展开：首先定义关键指标，接着比较教学场景，最后介绍候选方法。附录 A 定义平均需求间隔（ADI）和非零需求量变异系数（CV+^2），附录 B 以统一标准比较杂货、红酒、庭院耗材和奢侈品手袋四个场景，附录 C 则介绍适用于间歇性需求的候选方法。四套教学数据采用相同的日期范围，便于在统一口径下比较需求特征。

四套数据均沿用同一教学营业日历，将Good Friday和Christmas Day的观测销量设为零，但保留了假设门店正常营业时的潜在需求。图中的 y 表示应用营业状态及相应供给规则后的观测销量，不等同于公式中的潜在需求。真实项目需要使用具体门店的营业记录替换这些教学规则。

这四个场景沿用了正文教学案例的数据设计。每条记录的日历日期存储在 ds 中，\(t\) 代表从样本起点开始计算的日数。生成公式首先根据日期和业务变量生成潜在需求，然后应用营业与供给规则得到观测销量 \(y_t\)，并将其写入 y 字段。这里的 \(t\) 用于表达教学数据的生成规律，不是需要另外提供给 Prophet 的原始字段。

附录 A：用 ADI 和需求量变异描述需求序列 #

系统可以使用平均需求间隔（Average Demand Interval，ADI）和非零需求量的平方变异系数来描述序列 [32]：

首先，从按 ds 排序的日级记录中确定有效观测集合。本文排除了闭店日，并保留了正常营业且目标值可用的日期。\(T\) 是这些有效日期的数量，\(N_+\) 是其中满足 \(y_t>0\) 的日期数；\(\bar y_+\) 和 \(s_+^2\) 分别是所有正销量 \(y_t\) 的样本均值和样本方差。

ADI 描述需求事件出现得有多频繁。 当 \(\widehat{\mathrm{ADI}}=1\) 时，平均每个有效观察期都有一次正需求；当 \(\widehat{\mathrm{ADI}}=2\) 时，正需求平均约每两个观察期出现一次。ADI 越大，非零事件之间的间隔通常越长，序列也越稀疏。

\(\widehat{\mathrm{CV}}_+^2\) 描述需求一旦出现，正需求量有多不稳定。 变异系数定义为标准差除以均值，平方后得到 \(\widehat{\mathrm{CV}}_+^2\)；由于它没有商品单位，因此可以比较平均销量不同的序列。数值接近零表示各次正需求量相对集中，数值增大表示正需求量相对于自身均值波动更强。

这两个指标描述了不同的维度：ADI 关注正需求出现的频率和间隔，而 \(\widehat{\mathrm{CV}}_+^2\) 则只关注正需求量的大小变化。它们描述的是经过业务状态处理后的目标序列 y，而不是仿真潜在需求；如果缺货日仍保留在 y 中，指标也会受到受限销量影响。模型选择时需要同时考虑这两个指标，并结合历史数据长度、时间规律、业务状态和时间回测等因素。

在计算这些指标时，还需要明确是采用连续日历时间，还是仅包含正常营业和有效销售机会的运营时间，并在训练、回测和生产监控中始终保持同一口径。闭店和商品不在售的情况可以根据业务定义从运营时间中排除；但缺货截断和接口缺失的情况则应保留原始日期及未知状态。如果没有非零需求事件，这两个统计量需要单独标记，不能直接按照普通公式计算。

附录 B：四个教学场景的数据画像 #

四个场景的统一比较 #

下表比较了四套教学数据使用固定随机种子生成的结果。对于所有场景，以 is_open=True 的日期作为有效营业日，并以观测销量 y 计算序列画像。这里的 \(N_+\) 表示 \(y>0\) 的营业日数；\(\widehat{\mathrm{ADI}}\) 和 \(\widehat{\mathrm{CV}}_+^2\) 的定义见附录 A。

前三个场景主要呈现频繁出现的非零销量，未形成明显的间歇性需求。红酒场景有少量营业日零销量，因此 ADI 略高于 1；杂货场景和庭院耗材场景在每个有效营业日都有正销量。相比之下，奢侈品手袋场景在 93.58% 的营业日销量为零，正销量平均间隔约为 15.57 个营业日，且正销量的相对波动明显更大。需求类型取决于具体的门店—SKU—时间粒度，不能仅根据商品类别或生成分布的名称判断。

结合 \(\widehat{\mathrm{ADI}}\) 和 \(\widehat{\mathrm{CV}}_+^2\)，四个场景揭示了不同的需求画像：前者区分正需求出现的频率，后者则区分需求发生后购买数量的稳定性。同样的方法可以扩展到一家门店的数百或数千个 SKU，先根据各自的历史序列进行初步分组，再为特征相近的 SKU 设计共同的候选模型、特征模板和参数搜索范围。这样的分组能够减少逐条序列重复设计和调参的工作量，但不能直接替代时间回测；最终模型和配置仍需根据各组及重要 SKU 的样本外表现确定。

杂货教学案例：高频需求与缺货约束 #

正文使用杂货场景贯穿 Prophet 的模型定义、配置、求解和评估。该序列在每个有效营业日都有正销量，主要用于展示趋势、周规律、年规律、节假日、促销和缺货如何共同影响观测销量，因此代表 Prophet 较容易建立有效基线的数据条件。

当前数据包含 24 个缺货日。表中的营业日平均销量和 \(\widehat{\mathrm{CV}}_+^2\) 来自观测销量 y，因而保留了库存约束造成的受限记录，不等同于完整的潜在需求。数据生成公式和时间序列图见第二章，这里不再重复。

拟合 Prophet 时，ds 和根据正文业务规则处理后的 y 构成基础输入；折扣可以在未来计划已知时作为额外回归变量，节假日和营业状态则分别用于构造事件特征与销售机会约束。无噪声需求均值和潜在需求仅用于检验教学数据的生成机制。

红酒场景：非零需求频繁出现的计数序列 #

以 750 mL 单瓶红酒为假想商品，首先合成每天的泊松强度，再采样潜在需求瓶数：

当前场景不模拟缺货。潜在需求经过营业日历后得到观测销量：

记号说明：

式中的 \(10^{-6}\) 是为保持泊松强度为正而设置的极小下界；\(\max\) 表示取较大值，\(\sim\) 表示“服从……分布”。

公式首先根据 ds 对应的星期、日期和活动安排计算 \(\lambda_t\)，再采样潜在需求 \(D_t^{\mathrm{wine}}\)，最后通过 \(O_t\) 得到观测销量 \(y_t\)。因此，营业日的 y 等于本场景生成的潜在需求，闭店日的 y 为零。

拟合 Prophet 时，ds 和处理后的 y 构成基础输入。周内规律和年度规律由 Prophet 根据 ds 构造；派对活动和成箱促销只有在预测期可以预先确定时，才能配置为节假日特征或额外回归变量。泊松强度 \(\lambda_t\) 和潜在需求 \(D_t^{\mathrm{wine}}\) 是仿真诊断真值，不作为模型特征。

上图展示了完整历史中的观测销量以及闭店和缺货标记；下图放大 2023 年 3 月 18 日至 4 月 7 日，并标出成箱促销窗口。局部图用于核对促销标记、销量变化和供给状态是否在日期上正确对齐。它展示的是合成数据的生成结果，不单独证明促销对销量具有相同幅度的因果效应。

数据特征与比较建议

泊松分布用于非负整数计数，但并不自动表示间歇性需求。给定当天强度 \(\lambda_t\)，泊松变量取零的概率为：

强度越低，零需求概率越高；例如 \(\lambda_t=3\) 时约为 5.0%，\(\lambda_t=0.2\) 时约为 81.9%。是否属于间歇性需求，还需要结合选定粒度下的实际零值比例、非零事件数、需求间隔和非零需求量波动进行判断。

统一画像表显示，当前红酒场景有 1,090 个有效营业日，其中 1,076 天出现正销量，营业日零值比例约为 1.28%，\(\widehat{\mathrm{ADI}}\approx1.013\)，\(\widehat{\mathrm{CV}}_+^2\approx0.387\)。尽管它采用泊松观测分布，却仍是非零需求频繁出现的计数序列，没有形成明显的间歇性需求。

读者可以比较带事件输入的 Prophet 与泊松回归，并检查负预测比例、事件分组误差与区间覆盖率。若要研究间歇性需求，可以降低需求强度或改变需求发生机制，再重新检查零值率、ADI 和非零需求量波动。需求类型应由目标粒度下的数据特征判断，而不是由品牌或分布名称决定。

庭院耗材场景：具有强季节性的连续需求 #

以落叶收集袋或秋季补播草籽中的一款商品为情景，合成营业需求后加入独立随机噪声：

当前场景不模拟缺货，因此观测销量为：

记号说明：

公式先根据 ds 对应的日期生成趋势、年度周期、周末和事件效应，再加入随机噪声得到潜在需求 \(D_t^{\mathrm{garden}}\)。营业日的 y 等于该潜在需求，闭店日则通过 \(O_t\) 将 y 设为零。

拟合 Prophet 时，ds 和处理后的 y 构成基础输入。周末与年度周期可以从 ds 构造；劳动节、复活节和清仓活动需要转换为节假日特征或预测期可获得的业务变量。无噪声需求水平 \(\mu_t^{\mathrm{garden}}\)、随机噪声 \(\eta_t\) 和潜在需求 \(D_t^{\mathrm{garden}}\) 只用于仿真与诊断。

上图展示完整历史中的年度变化、周内波动和闭店日期；下图放大 2023 年 5 月 18 日至 6 月 7 日，并标出 5 月 25—31 日的秋末清仓窗口。局部图用于检查清仓标记与销量序列的日期对齐；销量仍同时受到趋势、季节性、周末效应和随机噪声影响。

实验建议

统一画像表显示，庭院耗材场景的 1,090 个有效营业日均出现正销量，营业日平均观测销量约为 64.92 件，\(\widehat{\mathrm{ADI}}=1.000\)，\(\widehat{\mathrm{CV}}_+^2\approx0.235\)。这一场景用于研究连续需求中的强季节性、周末效应和事件变化，不是间歇性需求案例。

二元清仓标记对应额外 12 件，天气影响需要另外构造输入。读者可比较加法与乘法模式，检查淡季误差与非负后处理；floor=0 限制趋势，总预测及区间下界还受其他成分影响 [4, 5]。

四个教学场景可以采用共同的预测截止日、多起点回测和多个随机种子进行比较。配置选择只使用训练历史，最终评价窗口保留到开发结束后使用一次；真实项目还应另行保留未参与开发的独立测试期。解释结果时，需要同时报告 WAPE、营业日零值比例和事件观测数，模型排序由实验结果决定。

奢侈品手袋场景：间歇性高价值需求 #

以墨尔本 CBD 门店的一款高端手袋为例，本场景将“当天是否出现正需求”与“出现后购买多少件”分开模拟。令 \(R_t\) 表示第 \(t\) 天是否出现正需求，\(p_t\) 表示相应的发生概率：

当 \(R_t=1\) 时，正需求量 \(Z_t\) 从下列离散分布中抽取：

记号说明：

正需求量分布的理论均值和平方变异系数分别为：

因此，第 \(t\) 天潜在需求的条件均值为 \(\operatorname E(D_t^{\mathrm{luxury}}\mid p_t)=1.65p_t\)，对应数据中的 conditional_mean。教学门店在 Good Friday 和 Christmas Day 闭店，且本场景不模拟缺货，所以观测销量为：

最终建模表将第 \(t\) 条记录的日期写入 ds，将观测销量 \(y_t\) 写入 y。周末和 12 月旺季可以从 ds 构造；VIP 活动和折扣只有在预测期已经排定时，才能配置为 Prophet 的额外输入。occurrence_probability、positive_demand、conditional_mean 和 latent_demand 记录的是合成数据生成过程中的诊断真值，真实业务通常无法直接观测，也不能把它们作为模型特征。

上图展示完整历史中的稀疏正销量和 VIP 活动日期；下图放大 2023 年 12 月 1—21 日，同时显示销量与生成过程中的需求发生概率。周末、12 月旺季和 VIP 活动会提高 \(p_t\)，但 \(R_t\) 仍由伯努利分布随机生成，因此较高的发生概率并不保证当天一定产生销量。该图用于核对生成机制及日期对齐，不代表真实门店中这些因素具有相同大小的因果效应。

数据特征与比较建议

当前固定随机种子生成 1,090 个有效营业日，其中 70 天出现正销量；营业日零值比例约为 93.58%，\(\widehat{\mathrm{ADI}}\approx15.571\)，\(\widehat{\mathrm{CV}}_+^2\approx0.949\)。样本正需求均值为 1.30 件，与理论均值 1.65 件存在抽样差异；理论量描述生成分布，样本量则描述这一次生成的有限序列，两者不应混用。

这一场景同时具有较长的正需求间隔和波动较大的正需求量，适合比较季节性朴素基准、Prophet、Croston、SBA、TSB 以及障碍模型等候选方法。Prophet 可以利用日期、VIP 活动和已知折扣解释平均需求率，但其连续曲线结构未必适合直接描述大量零值和离散购买件数。实验需要使用一致的预测截止日、未来可获得的输入和滚动起点回测，并分别检查零值日、正需求日、活动窗口及库存决策相关指标；最终选择由样本外结果决定。

附录 C：间歇性需求的候选方法 #

奢侈品手袋场景说明，当日级需求大量为零时，模型需要同时考虑正需求出现的频率和出现后的购买数量。本附录介绍第七章列入候选集合的间歇性需求方法。这类需求也常见于工业备件等场景 [33]，但具体方法仍应根据目标零售序列的数据条件选择。正文使用这些方法界定 Prophet 的适用边界，不对其预测性能进行预先排序。

本节使用 \(Y_t\) 表示第 \(t\) 个日期销量的随机变量，使用 \(y_t\) 表示数据表中已经观测到的具体销量，对应 Prophet 的 y。比较不同方法时，所有候选模型都使用相同的 ds 日期范围、目标值处理规则、预测截止日和预测窗口；各方法再按照自身结构使用这些按时间排序的观测。

Croston 与 SBA：分别平滑需求量和需求间隔 #

Croston 方法只在出现非零需求时，分别对非零需求量 \(z_i\) 和两次非零需求之间的间隔 \(\ell_i\) 做指数平滑 [16]：

这里的 \(z_i\) 是目标列 y 中第 \(i\) 次正销量，\(\ell_i\) 是根据按 ds 排序的有效日期计算的非零需求间隔，\(\alpha\in(0,1]\) 是平滑参数。\(\hat y\) 表示单位时间的平均需求率，而不是下一次需求发生时间。SBA（Syntetos–Boylan Approximation）在相同分解上加入偏差修正 [17]：

这个修正来自特定假设下对 Croston 估计偏差的分析。实际选择还要结合商品数据、评价指标和库存目标进行验证。

TSB：逐期更新需求发生概率 #

TSB（Teunter–Syntetos–Babai）方法改为每一期都更新需求发生概率。对于按 ds 排序的目标列 y，令 \(o_t=\mathbf 1(y_t>0)\)，以 \(\alpha_p\) 平滑发生概率；非零需求量使用 \(\alpha_z\)，并且只在 \(y_t>0\) 时更新 [18]：

其中，\(\alpha_p,\alpha_z\in(0,1]\)。连续零值会使 TSB 的需求发生概率逐期下降，从而较快反映需求消退。商品上架、退市和经营状态可以作为额外业务信息，与这一统计更新机制共同使用。

零膨胀模型与障碍模型：显式建模大量零值 #

零膨胀模型用混合分布处理零值。例如，零膨胀泊松模型（Zero-Inflated Poisson，ZIP）以 \(\pi_t\) 表示额外零值成分的概率，以 \(\lambda_t\) 表示泊松计数均值 [19]：

其中，\(a!\) 是正整数需求量 \(a\) 的阶乘。计数分布本身也可以产生零值，“结构零”表示模型中的潜在混合成分；业务状态标记可以帮助判断它与未上架、闭店或销售机会缺失之间的关系。障碍模型（hurdle model，也称两部分模型）采用另一种分解：第一部分预测需求是否大于零，第二部分只对正需求量拟合零截断分布。两类模型都将需求发生与需求量联系起来，但采用不同的零值生成假设。

方法差异与实验边界 #

这张表比较的是模型机制，不代表预先确定的性能排序。实际实验仍需统一目标变量、时间粒度、预测窗口和可用信息，并使用与正文一致的滚动起点回测比较 Prophet、间歇性需求方法和其他候选模型。

参考文献 #

[1] Taylor, S. J., & Letham, B. Forecasting at Scale. The American Statistician, 72(1), 37–45, 2018. https://doi.org/10.1080/00031305.2017.1380080。作者预印本：https://facebook.github.io/prophet/static/prophet_paper_20170113.pdf

[2] Business Victoria. Operating on a restricted trading day. https://business.vic.gov.au/business-information/public-holidays/operating-on-a-restricted-trading-day

[3] Prophet. Trend Changepoints. https://facebook.github.io/prophet/docs/trend_changepoints.html

[4] Prophet 1.4.0. Date preprocessing and forecast components. forecaster.py. https://github.com/facebook/prophet/blob/v1.4.0/python/prophet/forecaster.py

[5] Prophet. Saturating Forecasts. https://facebook.github.io/prophet/docs/saturating_forecasts.html

[6] Prophet. Seasonality, Holiday Effects, and Regressors. https://facebook.github.io/prophet/docs/seasonality,_holiday_effects,_and_regressors.html

[7] Prophet. Multiplicative Seasonality. https://facebook.github.io/prophet/docs/multiplicative_seasonality.html

[8] Prophet. Installation. https://facebook.github.io/prophet/docs/installation.html

[9] Prophet. Quick Start. https://facebook.github.io/prophet/docs/quick_start.html

[10] Prophet 1.4.0. Stan model source. prophet.stan. https://github.com/facebook/prophet/blob/v1.4.0/python/stan/prophet.stan

[11] Stan. CmdStan User’s Guide: Optimization. https://mc-stan.org/docs/cmdstan-guide/optimize_config.html

[12] Prophet 1.4.0. Python Stan backend source. models.py. https://github.com/facebook/prophet/blob/v1.4.0/python/prophet/models.py

[13] Prophet. Uncertainty Intervals. https://facebook.github.io/prophet/docs/uncertainty_intervals.html

[14] Stan. Reference Manual: MCMC Sampling. https://mc-stan.org/docs/reference-manual/mcmc.html

[15] Prophet. Diagnostics. https://facebook.github.io/prophet/docs/diagnostics.html

[16] Croston, J. D. Forecasting and Stock Control for Intermittent Demands. Operational Research Quarterly, 23(3), 289–303, 1972. https://doi.org/10.1057/jors.1972.50

[17] Syntetos, A. A., & Boylan, J. E. The accuracy of intermittent demand estimates. International Journal of Forecasting, 21(2), 303–314, 2005. https://doi.org/10.1016/j.ijforecast.2004.10.001

[18] Teunter, R. H., Syntetos, A. A., & Babai, M. Z. Intermittent demand: Linking forecasting to inventory obsolescence. European Journal of Operational Research, 214(3), 606–615, 2011. https://doi.org/10.1016/j.ejor.2011.05.018

[19] Lambert, D. Zero-Inflated Poisson Regression, with an Application to Defects in Manufacturing. Technometrics, 34(1), 1–14, 1992. https://doi.org/10.1080/00401706.1992.10485228

[20] Hyndman, R. J., & Athanasopoulos, G. Forecasting: Principles and Practice, 3rd edition. Chapter 11: Forecasting hierarchical and grouped time series. OTexts. https://otexts.com/fpp3/hierarchical.html

[21] Prophet. Non-Daily Data. https://facebook.github.io/prophet/docs/non-daily_data.html

[22] Prophet. Additional Topics. https://facebook.github.io/prophet/docs/additional_topics.html

[23] Hyndman, R. J., & Athanasopoulos, G. Forecasting: Principles and Practice, 3rd edition. Section 9.5: Non-seasonal ARIMA models. OTexts. https://otexts.com/fpp3/non-seasonal-arima.html

[24] Hyndman, R. J., & Athanasopoulos, G. Forecasting: Principles and Practice, 3rd edition. Section 10.2: Regression with ARIMA errors using fable. OTexts. https://otexts.com/fpp3/regarima.html

[25] LightGBM. Features. https://lightgbm.readthedocs.io/en/v4.6.0/Features.html

[26] XGBoost. Introduction to Boosted Trees. https://xgboost.readthedocs.io/en/stable/tutorials/model.html

[27] Lim, B., Arik, S. O., Loeff, N., & Pfister, T. Temporal Fusion Transformers for Interpretable Multi-horizon Time Series Forecasting. arXiv:1912.09363, 2019; revised 2020. https://arxiv.org/abs/1912.09363

[28] Oreshkin, B. N., Carpov, D., Chapados, N., & Bengio, Y. N-BEATS: Neural basis expansion analysis for interpretable time series forecasting. arXiv:1905.10437, 2019; revised 2020. https://arxiv.org/abs/1905.10437

[29] Hyndman, R. J., & Athanasopoulos, G. Forecasting: Principles and Practice, 2nd edition. Section 3.1: Seasonal naïve method. OTexts. https://otexts.com/fpp2/simple-methods.html

[30] LightGBM 4.6.0. Parameters: min_data_in_leaf and feature_pre_filter. https://lightgbm.readthedocs.io/en/v4.6.0/Parameters.html

[31] Google Cloud. MLOps: Continuous delivery and automation pipelines in machine learning. https://cloud.google.com/architecture/mlops-continuous-delivery-and-automation-pipelines-in-machine-learning

[32] Syntetos, A. A., Boylan, J. E., & Croston, J. D. On the categorization of demand patterns. Journal of the Operational Research Society, 56(5), 495–503, 2005. https://doi.org/10.1057/palgrave.jors.2601841

[33] Pennings, C. L. P., van Dalen, J., & van der Laan, E. A. Exploiting elapsed time for managing intermittent demand for spare parts. European Journal of Operational Research, 258(3), 958–969, 2017. https://doi.org/10.1016/j.ejor.2016.09.017