第五名解决方案

我的解决方案专注于时间序列分解，与 @kdmitrie 出色的 方法 非常相似。

1. 分解

分解时间序列以消除以下影响：

• 星期几
• 国家（GDP）
• 商店
• 产品
• 一年中的第几天

2. 预测

分解之后，我尝试预测剩余的曲线。这引出了一个关键决定：预测应该遵循上升趋势还是保持不变。为了测试这两种可能性，我提交了一个允许趋势继续的版本，另一个假设轨迹恒定（类似于 2016 年），结果恒定轨迹的表现要好得多。我认为这个决定可能解释了榜单的一些波动。

3. 节假日

纳入节假日效应显著提高了榜单分数。我使用前一年标准化节假日值的中位数来估计调整值。我考虑了：

• 节假日延迟
• 每年日期不固定的节假日
• 节假日数据包中缺失的三个肯尼亚额外节假日

这里可能还有一些改进空间！