Fitur lag memindahkan observasi masa lalu ke baris tempat observasi itu dapat dipakai. Fitur bergulir juga harus berhenti sebelum target yang diprediksi. Anda akan membuat lag satu periode, menghitung rata-rata bergulir yang hanya memakai masa lalu, dan melakukan fit model peramalan kecil pada partisi yang lebih awal. Baris-baris pertama tidak punya riwayat. Mengisi nilai yang hilang itu dengan target akan membocorkan jawabannya, sedangkan mengisinya dengan nol akan mengarang observasi. Tugas-tugas ini menghapus riwayat yang tidak lengkap saat fit. Pada peramalan bergulir satu langkah, kemarin sudah teramati; pada origin multi-langkah, lag berikutnya memerlukan rancangan peramalan rekursif atau langsungnya sendiri.
Pergeseran positif menempatkan target yang diamati sebelumnya di samping baris saat ini.