时间序列分解法STL

简介

STL：Seasonal-Trend decomposition procedures based on Loess
Loess（locally weighted regression，局部加权回归）
此方法是由Cleveland于1990年在论文《STL: A seasonal-trend decomposition procedure based on loess》中提出。

以上图片来源自snowdroptulip博客。

特点

STL有一个简单的设计，它包含了loess平滑法的一系列应用；这个简单的设计允许对过程的属性进行分析，也可以实现快速计算，即使对于长时间的时间序列、以及大量的趋势和季节性的平滑，也可以进行快速计算。
STL的其它特点是：

1. 关于季节性和趋势平滑的量，这是一种几乎连续的方式，从非常少量的平滑到非常大量的平滑；
2. 稳健的估计趋势项和季节项，而不会被数据中的异常行为扭曲；
3. 可以指定季节项的周期为采样时间间隔任意大于一的整数倍；
4. 可以分解有缺失值的时间序列；