売上高の時系列分析（１）

# 加法的トレンドと加法的季節性を持つモデルをフィットさせる
model_with_trend = ExponentialSmoothing(data['売上'], 
                                        trend='add', 
                                        seasonal='add', 
                                        seasonal_periods=12).fit()

# モデルのフィット結果のプロット
fitted_values2 = model_with_trend.fittedvalues

plt.figure(figsize=(12, 6))
plt.plot(data['売上'], label='Actual Revenue')
plt.plot(fitted_values2, label='Fitted Values', linestyle='--')
plt.title('Holt-Winters Model Fitting on Full Data')
plt.xlabel('Month')
plt.ylabel('Revenue')
plt.legend()
plt.show()

params2 = model_with_trend.params

params_df2 = pd.DataFrame(list(params2.items()), columns=['Parameter', 'Value'])
params_df2 = params_df2[params_df2['Parameter'] != 'initial_seasons']

params_df2

# モデルの成分を抽出
fitted_values = model_with_trend.fittedvalues
level = model_with_trend.level
trend = model_with_trend.trend
seasonal =model_with_trend.season
resid = model_with_trend.resid

# 各成分のプロット
plt.figure(figsize=(14, 10))

plt.subplot(511)
plt.plot(fitted_values, label='Fitted Values')
plt.title('Fitted Values')
plt.legend()

plt.subplot(512)
plt.plot(level, label='Level')
plt.title('Level Component')
plt.legend()

plt.subplot(513)
plt.plot(trend, label='Trend')
plt.title('Trend Component')
plt.legend()

plt.subplot(514)
plt.plot(seasonal, label='Seasonal')
plt.title('Seasonal Component')
plt.legend()

plt.subplot(515)
plt.plot(resid, label='Residual')
plt.title('Residual Component')
plt.legend()

plt.tight_layout()
plt.show()

# 次の12ヶ月の売上を予測
forecast2_next_12 = model_with_trend.forecast(12)

# 予測結果のプロット
plt.figure(figsize=(12, 6))
plt.plot(data['売上'], label='Actual Revenue')
plt.plot(forecast2_next_12, label='Forecasted Revenue', linestyle='--')
plt.title('12-Month Revenue Forecast')
plt.xlabel('Month')
plt.ylabel('Revenue')
plt.legend()
plt.show()

forecast2_next_12