複雑な季節性の季節性指標の計算

指数平滑法を使用して小売商品を（週ごとに）予測したい。私は今、セソナリティインデックスを計算、保存、および適用する方法に行き詰っています。

問題は、私が見つけたすべての例が一種の単純な季節性を扱っていることです。私の場合、次の問題があります。1.季節が毎年同じ週に発生するわけではなく、移動可能です。マルディグラ、貸し出し、イースターなど。2.年によって季節が変わります。たとえば、国民の休暇シーズンがあります。休日が週末に近いかどうかに応じて、顧客は町を出るか、または行かないかです。つまり、2つのシーズンがあるようです。1つは、顧客が町を離れるシーズンと、もう1つは街を離れないシーズンです。3. 2シーズン（または3シーズン）が同時に発生することがあります。たとえば、バレンタインシーズンと同時に "マルディグラ"シーズンが発生しました。
4.季節によって期間が変わることがあります。たとえば、今年の初めに「ハロウィンシーズン」が始まりました。クリスマスも別の例で、毎年早くから製品を運ぶように思えます。

ある種の「季節プロファイル」を設定する方法を見つける必要があるようです。特定のシナリオによっては、正しい季節インデックスを取得するために何らかの方法で追加されます。それは理にかなっていますか？

これを行う方法に関する実用的な情報がどこにあるか知っている人はいますか？

ありがとう、エドガード

指数平滑法のフレームワークを使い続けたい場合は、指数平滑法に関する2008年の本に共変量を含める方法についての議論があります。私たちがここで説明する季節の複雑さのタイプは、あなたが説明する感動的なフェスティバルの種類よりも難しいですが、複雑な季節性を伴う指数平滑法に関する私の最近の論文を見るかもしれません。

簡単な修正は、仕様にイベントダミーを含めることです。

$(1) \hat{y_t}=\lambda_1 y_{t-1}+...+\lambda_k y_{t-k}+\phi_1 D_{t,1}+\phi_m D_{t,m}$

$D_{t,m}$$1$$t$$m$$m$

$\lambda_1 y_{t-1}+...+\lambda_k y_{t-k}$

これは、イベントごとに少なくとも20の観測値があることを前提としています（つまり、20の「マルディグラ」）。そうでない場合は、いくつかのイベントをまとめてみてください（たとえば、マルディグラと労働日）。

フィットするR（1）は、dlsalesが定常であり、Dがダミー変数の行列であると仮定すると、かなり単純です。

fit<-arima(dlsales,order=c(4,0,0),seasonal = list(order = c(1, 0, 0),period=52),xreg = D)

ここから始めて、あなたがよく知らない私の答えの部分についてより具体的な質問をすることができます（統計であなたのレベルが何であるかわかりません）。