未来 7 天预测 vs 历史 14 天回测
每日贡献分解 (堆叠)
每天的 rev 贡献被拆解为各活动 + 控制变量 (节假日/趋势/baseline). 负贡献=该 type 在历史拟合时呈现挤兑信号
未来 7 天活动日历
误差归因 (out-of-sample 校验)
In-sample 回测 (训练集 14 天)
规则与方法
- 预测公式:
rev_t = baseline + Σ_i β_i × hill(adstock(joiners_i,t, λ_i), α_i, κ_i) + γ_holiday × holiday_t + γ_weekend × weekend_t + γ_trend × t - 未来强度估计: 用历史同 type 的 joiners 中位数 (per-day-of-activity) 当作未来活动日的强度
- 误差拆解:
err_total = predicted - actual拆为 intensity 估错 (joiners 估高/估低) + 系数残差 (β/控制项不解释的部分) - 规则 V1_daily_rev_attribution: 每条 validation 记录可追溯到 snap_date + target_ds, 0 LLM 幻觉
- 数据源:
web/data/forecast_history/{snap}.json+attribution_intensity.json+attribution_dimensions.json