4. Croston方法起源
在间歇性需求预测领域，Croston 方法是一个里程碑式的突破。要理解其价值，必须先回顾 20 世纪 50–60 年代的需求预测技术背景，以及两位关键人物——R.G. Brown 与 J.D. Croston——的贡献。
4.1 历史背景：指数平滑法的统治与局限
1950–1960 年代，R.G. Brown 在库存控制与需求预测领域做出了开创性工作。他系统化地提出了指数平滑法（Exponential Smoothing），并证明了其在平稳需求场景下的最优性。Brown 的贡献包括：
- 简单指数平滑：对无趋势、无季节性的平稳序列给出递推预测公式。
- Holt 线性趋势模型：扩展至有趋势的需求场景。
- Holt-Winters 季节模型：进一步纳入季节性成分。
然而，这些方法都隐含一个关键假设：需求在每一期都可能发生，且非零需求之间的间隔服从某种连续分布。当面对间歇性需求（大量零值 + 偶尔非零值）时，指数平滑法会出现系统性偏差——预测值被零值拉低，且无法反映需求发生的真实频率。
关键问题：Brown 的指数平滑法在间歇需求场景下，预测值总是低于实际非零需求均值，导致库存不足或补货延迟。
4.2 J.D. Croston 的贡献：一篇改变一个领域
1972 年，J.D. Croston 在 Operational Research Quarterly 上发表了题为 “Forecasting and Stock Control for Intermittent Demands” 的。这篇仅 8 页的短文，首次系统性地解决了间歇性需求预测问题。
| 维度 | Brown 指数平滑法 | Croston 方法 |
|---|---|---|
| 需求模式假设 | 每期都可能发生需求 | 需求以一定概率发生，间隔期随机 |
| 零值处理 | 零值参与平滑，拉低预测 | 零值仅用于更新间隔，不参与需求大小平滑 |
| 预测输出 | 每期期望需求 | 非零需求均值 ÷ 需求间隔均值 |
| 适用场景 | 连续、高频需求 | 间歇、低频、零膨胀需求 |
4.3 原始核心思想：分离估计与组合预测
Croston 的核心洞察可以概括为“分离-估计-组合”三步：
- 分离：将原始需求序列拆分为两个独立子序列：
- 非零需求大小序列 \( z_t \)：仅记录需求发生时的数值。
- 需求间隔序列 \( q_t \)：记录两次非零需求之间的期数。
- 估计：分别对两个子序列应用简单指数平滑：
- 平滑后的非零需求均值 \( \hat{z}_t \)
- 平滑后的需求间隔均值 \( \hat{q}_t \)
- 组合：最终预测值 = \( \hat{z}_t / \hat{q}_t \)
数学表达：若第 \( t \) 期发生需求 \( x_t \)，则更新 \( \hat{z}_t = \alpha x_t + (1-\alpha)\hat{z}_{t-1} \)，且 \( \hat{q}_t = \alpha q_t + (1-\alpha)\hat{q}_{t-1} \)；若未发生需求，则 \( \hat{z}_t = \hat{z}_{t-1} \)，\( \hat{q}_t = \hat{q}_{t-1} \)。最终预测 \( \hat{y}_t = \hat{z}_t / \hat{q}_t \)。
这一方法在数学上保证了：当需求间隔增大时，预测值自然降低；当非零需求增大时，预测值自然升高。它避免了零值对需求大小的直接污染，同时保留了需求频率信息。
4.4 核心思想可视化：Croston 方法流程图
4.5 原始的局限与后续影响
Croston 的原始方法并非完美无缺。本身存在几个未解决的问题：
- 平滑参数选择：Croston 建议对两个子序列使用相同的平滑参数 α，但未给出优化准则。
- 偏倚问题：后续研究（如 Syntetos & Boylan, 2001）发现，Croston 方法在数学上存在系统性正偏倚，即预测值平均高于真实均值。
- 间隔更新规则：当需求连续发生时（间隔=1），方法退化为普通指数平滑，但未讨论这种边界情况。
重要提醒：Croston 方法虽然解决了间歇需求预测的“有无”问题，但原始版本存在偏倚。现代应用中，通常使用修正版本（如 Syntetos-Boylan 近似）或结合 Bootstrap 方法进行校准。
尽管如此，Croston 1972 年的仍然是间歇需求预测领域的奠基之作。它首次将“需求发生频率”与“需求大小”作为两个独立维度进行建模，这一思想深刻影响了后续所有间歇需求预测方法（如 TSB、ADIDA、iMAPA 等）。