间歇性需求预测与 TimeGPT

间歇性需求（intermittent demand）是商业预测中很常见、也很棘手的一类问题。某些商品大多数日期销量为 0，偶尔出现订单；某些备件、慢销品和长尾 SKU（Stock Keeping Unit, SKU）也有类似特征。普通模型容易被大量零值误导，或者给出负需求。本章以 TimeGPT 和经典间歇性需求模型为例，说明间歇性需求预测（Intermittent Demand Forecasting）如何处理这类数据、如何评估结果，以及外生变量为什么重要。

学习目标¶

完成本章后，你应该能够：

• 识别间歇性需求和普通平稳需求（stationary demand）的区别。

• 区分“需求是否发生”和“发生后需求有多大”两个问题。

• 使用 log1p 变换（log-one-plus transform）降低尺度差异并避免负值预测。

• 用 TimeGPT 对多条需求序列进行预测。

• 理解本地 Chronos-2 模型如何做零样本预测。

• 将多条长短不一的时间序列整理成长表格式。

• 将 TimeGPT 与 Croston、IMAPA、TSB 等经典基线比较。

• 判断外生变量是否能改善间歇性需求预测。

什么是间歇性需求¶

间歇性需求的典型特征是“很多 0，少数非 0”。例如备件、冷门商品、长尾电商 SKU、特殊医疗物资和低频企业采购。它和普通日销商品不同：没有需求的日子很多，但一旦出现需求，数量可能并不小。

还可以看一些更极端的例子：航空发动机、昂贵设备、关键零部件、光刻机相关工具等。这类产品可能很长时间只有 0 或 1 次需求，但一次需求就关系到高成本、高服务水平或关键生产能力。对这类序列，预测平均销量不是唯一目标，判断需求是否会发生同样重要。

这种数据会给模型带来三个困难。

第一，均值很低但方差可能很高。简单平均会低估峰值。

第二，百分比误差不稳定。真实值为 0 时，MAPE 无法定义。

第三，业务成本常常不对称。备件缺货可能造成停机损失，库存过多又会占用资金。

因此，间歇性需求可以拆成两个问题：第一，未来某天或某周是否会发生需求；第二，如果发生需求，需求量有多大。Croston 类方法正是沿着这个思路，把需求大小和需求间隔分开处理 Croston, 1972。时间序列基座模型也应该在评估中接受这个拆分，而不是只看一条平滑曲线是否贴近平均值。

数据准备¶

示例 notebook 使用 M5 子集数据，包含 unique_id、ds、y 以及价格、事件类型等外生变量。基本格式和前面章节一致：

df["ds"] = pd.to_datetime(df["ds"])
df = df.sort_values(["unique_id", "ds"]).reset_index(drop=True)

建模前先可视化单条序列。间歇性需求的图形通常会出现长时间贴近 0、偶尔跳起的尖峰。这个检查能帮助我们判断是否需要特殊模型，而不是盲目套用常规预测流程。

M5 这类多序列数据还提醒我们：间歇性需求不是一个单序列问题。不同商品、门店和品类之间可能共享节假日、价格、促销和地区消费习惯。TimeGPT 这类时间序列基座模型的优势之一，是能够在多条序列中学习共同结构；但前提是 unique_id、时间列、目标列和外生变量都整理正确。

Chronos-2 练习使用了类似的数据组织思想。时间序列数据和普通表格数据的一个重要差别，是不同序列长度可能不一致。如果用宽表把 H1、H2、H3 等序列横向摆放，缺失和切分都会很麻烦；长表则把所有序列纵向拼接，每一行是一个观测点，用 ID 区分它属于哪条序列。

长表至少需要三列：

M4 小时级示例数据有 414 条序列，拼接后约几十万个观测点。长表格式可以自然容纳长短不一的序列，也方便批量预测、分布式存储和后续评估。无论使用 TimeGPT API、Chronos-2 本地模型，还是经典统计基线，先把这三列整理正确，都是多序列预测的共同入口。

变换与切分¶

notebook 使用 log1p 变换：

df_t = df.copy()
df_t["y"] = np.log(df_t["y"] + 1)

log1p 有两个作用。第一，它压缩大需求值，降低尖峰对模型的影响。第二，它能处理 0，因为 $\log(0+1)=0$。预测后再用 $\exp(\text{value})-1$ 还原到原尺度。

评估时按每个 unique_id 留出最后 28 天：

H = 28
test_df = df_t.groupby("unique_id", group_keys=False).tail(H)
train_df = df_t.drop(test_df.index).reset_index(drop=True)

多序列任务必须按序列分组切分，不能简单取整个表最后 28 行。

使用 TimeGPT¶

TimeGPT 可以直接接收包含 unique_id、ds 和 y 的多序列表。示例中使用长预测模型、80% 区间和少量微调步数：

fcst_df = client.forecast(
    df=train_df,
    h=H,
    level=[80],
    finetune_steps=10,
    finetune_loss="mae",
    model="timegpt-1-long-horizon",
    time_col="ds",
    target_col="y",
    id_col="unique_id",
)

正式 notebook 不应写真实 API key。使用环境变量：

from nixtla import NixtlaClient

client = NixtlaClient(api_key=os.environ["NIXTLA_API_KEY"])

预测后要把所有预测列从 log 空间还原到原尺度，再与测试集真实值合并计算误差。

使用 TimeGPT 时还要记住，它不是免评估的答案。时间序列基座模型能利用跨序列预训练经验，适合冷启动、长尾和多序列场景 Garza et al., 2024；但在一个具体库存问题中，它仍然必须和 Croston、IMAPA、TSB、LightGBM、DeepAR、NHITS 等基线放在同一测试集上比较。

本地 Chronos-2 练习¶

本地时间序列基座模型预测不必依赖远程 API。流程是先下载并解压预训练模型文件，然后在 notebook 中指定模型目录，加载 pipeline，再把长表格式的历史数据传入模型。Chronos-2 延续了把时间序列 token 化并进行零样本预测的路线 Ansari et al., 2025。模型目录中通常包含 config.json 和 model.safetensors；示例模型权重约为数百 MB，因此不少笔记本电脑可以用 CPU 跑通，只是速度慢于 GPU。

调用这类 pipeline 时，核心参数和 API 预测很相似：

• context_df：包含历史观测的长表。

• id_column：序列 ID 列。

• timestamp_column：时间列。

• target_column：目标变量列。

• prediction_length：向未来预测多少期。

• quantile_levels：需要输出的分位数水平。

示例对 414 条 M4 小时级序列同时预测未来 24 期。因为模型推理阶段不是重新训练，而是使用已经训练好的权重，所以几百条序列的预测可以在几十秒到一分钟量级完成。这个速度说明，时间序列基座模型可以成为实时或准实时预测系统的一部分，但前提是模型文件、依赖版本和硬件资源都稳定。

Chronos-2 也能输出预测区间。设置 quantile_levels = [0.1, 0.9] 时，输出的是 10% 和 90% 分位数，中间是 80% 区间。画图时应同时展示历史值、真实未来值、点预测和上下分位数，这样才能看到模型是否只是给出一条平滑曲线，还是对不确定性有合理表达。

经典基线¶

间歇性需求有专门的统计模型。示例 notebook 使用 StatsForecast 比较：

• CrostonClassic：分别估计需求大小和需求间隔。

• CrostonOptimized：优化平滑参数的 Croston 版本。

• IMAPA（Intermittent Multiple Aggregation Prediction Algorithm）：在多种聚合尺度上处理间歇性需求。

• TSB（Teunter-Syntetos-Babai）：用需求发生概率和需求大小共同建模。

这些基线很重要。TimeGPT 是强模型，但不能只和空模型比较。针对间歇性需求的特征化和模型选择研究也说明，长尾和零值序列需要专门诊断，而不能只套普通销量预测流程 Li et al., 2023。只有当它在相同训练集、测试集和指标下超过合理基线，才说明引入时间序列基座模型有实际价值。

评估指标¶

notebook 使用 MAE 汇总 TimeGPT 和基线模型。对于间歇性需求，MAE 比 MAPE 更稳健，因为真实值为 0 的样本很多。评估时应按序列计算，再汇总到整体平均，避免销量大的序列完全主导结果。

除了 MAE，业务中还可以关注：

• 缺货次数或缺货概率。

• 库存持有成本。

• 服务水平。

• 高需求日的召回能力。

• 预测区间覆盖率（prediction interval coverage）。

如果模型平均误差低，但总是错过少数关键需求尖峰，业务上仍可能不可接受。

这类任务尤其要避免让“最差的一次预测”伤害关键决策。少数尖峰日可能比平均误差更重要，因此评估时除了 MAE，还应检查高需求日、缺货风险和预测区间覆盖。

还可以把评估拆成两张表。第一张表评价所有日期的整体误差，回答模型日常表现如何。第二张表只看非 0 日期或高需求日期，回答模型是否抓住了真正需要备货的时刻。对于关键备件，第二张表往往比第一张表更接近业务损失。

外生变量¶

间歇性需求往往受事件影响，例如促销、节假日、价格变化和特殊活动。notebook 中把事件类型列作为未来已知外生变量传入 TimeGPT：

event_cols = [
    "event_type_Cultural",
    "event_type_National",
    "event_type_Religious",
    "event_type_Sporting",
]

外生变量的关键要求是：预测未来时这些变量必须已知或可可靠预测。这类输入通常称为未来已知外生变量（future known exogenous variables）。节假日通常已知，未来价格和促销计划也可能已知；但未来新闻热度或突发事件不能随便当作已知输入。

外生变量要区分“历史可见”和“未来可用”。历史价格、过去促销和过去事件可以帮助模型学习关系，但预测未来时，只有已经排定的节假日、促销计划、价格策略或已知活动才能作为未来输入。把未来才会知道的信息放入模型，会造成数据泄漏，让评估结果虚高。

销售需求练习更直观地展示了协变量的作用。第一次预测只给模型 ID、时间和历史销量，模型能够捕捉部分下降趋势，但越往后越容易滞后或错位。第二次加入 Open、Promo、SchoolHoliday、StateHoliday、Customers 等变量后，预测曲线更贴近真实值，区间也明显收窄。这说明很多销量变化不是由历史销量本身决定的，而是由门店是否营业、促销、假期和客流共同驱动。

这些协变量可以理解为进入特征矩阵 X 的额外列。经过投影后，它们会影响注意力权重和最终预测。不过，模型究竟利用了变量名的语义，还是利用了列值与目标之间的统计关系，需要实验验证。一个可做的练习是打乱协变量列名或改变列顺序，观察预测是否变化；如果变化很大，就要进一步检查模型对字段名、字段含义和数据结构的依赖。

不同频率下的模型选择¶

我们提醒你，TimeGPT 在月度和周度等较低频数据上表现通常更稳健，而在高频数据上，树模型如 LightGBM、XGBoost 在量化和高频交易中仍非常重要。这提醒我们，时间序列基座模型不是所有频率的唯一答案。

低频经济和商业预测重视跨序列泛化和稳健性；高频金融或交易数据更强调微结构特征、低延迟和局部模式。模型选择必须服从数据频率和业务决策周期。

TimeGPT 应放在一组基线模型中比较，包括 LightGBM、LSTM、DeepAR、DFT 和 NHITS。重点不是宣布某个模型永远最好，而是说明模型表现会随数据频率、预测步长和业务场景改变。月度和周度商业数据中，TimeGPT 这类预训练模型常能利用跨序列信息取得较稳健表现；但在高频交易或非常局部的短期预测中，LightGBM、XGBoost 等树模型仍可能更有优势。

对间歇性需求来说，频率选择本身就是建模选择。日度数据可能太稀疏，周度或月度聚合后规律更清楚，但会牺牲补货时点的精度。实践中可以同时比较日度、周度和月度版本：低频版本用于战略备货，高频版本用于短期补货提醒。

从预测到库存决策¶

间歇性需求预测最终要服务库存和服务水平。一个预测值可以转化为订货量、安全库存、补货触发点或人工复核清单。模型输出越接近自动化决策，越需要把业务成本写进评估。

例如，某个模型把大多数 0 预测得很准，但错过一次关键备件需求，可能导致设备停机；另一个模型平均误差略高，但能提前识别关键需求日，业务上反而更有价值。因此，本章的评估不应停在 MAE 排名，而应继续问：这个模型能不能降低缺货，能不能控制库存，能不能让人工复核集中在最有风险的 SKU 上？

小结¶

间歇性需求预测的关键不是把 0 当作普通小数值，而是理解需求发生和需求大小的双重不确定性。TimeGPT 提供了强大的通用预测能力，但仍需要 log 变换、合理基线、稳健指标、外生变量检查和业务成本解释。不要让平均误差掩盖关键尖峰，也不要让最坏的一次预测伤害关键决策，是这类问题的底线。

练习¶

1. 找一条长尾商品需求序列，统计 0 值占比和非 0 需求的分布。

2. 比较原始尺度和 log1p 尺度下的预测图。

3. 用 Croston、IMAPA 和 TimeGPT 计算同一测试集的 MAE。

4. 单独统计非 0 日期或高需求日期的误差，并和整体 MAE 比较。

5. 设计一个比 MAE 更贴近库存决策的评价指标。

6. 判断一个外生变量是否能在预测未来时提前知道，并说明原因。

7. 比较日度、周度和月度聚合下同一商品的预测难度。

8. 将一组长短不一的时间序列整理成长表，并说明 id_column、timestamp_column 和 target_column 分别对应什么。

9. 比较只用历史销量和加入 Promo、Holiday、Customers 等协变量后的预测图与区间宽度。

参考文献¶