R中的自動ARIMA函數給出奇數結果

我有3年的日等級數據集，我在其上運行了auto.arima()來進行簡單的時間序列預測，它給了我一個(2,1,2)模型。當我使用這個模型來預測未來1年的變量時，情節在幾天後變得不變，這不可能是正確的R中的自動ARIMA函數給出奇數結果

由於我每天的數據爲3年，並且頻率爲364天ARIMA是否無法處理大頻率的日常數據？

任何幫助將不勝感激

來源

2016-05-18 Vaibhav

可重複的代碼會有所幫助。你也可以嘗試設置季節性的2個週期（每週7天）和364天（每年的天數） – Whitebeard

這就是arima的工作方式。它基本上是對t-2（在你的情況下）係數低於1的觀察作出反應，這意味着逐漸減小到平均值......並且它在幾年內每天都有，你只是看不到任何東西，這樣的規模。 –

看到這個問題http://stats.stackexchange.com/questions/63646/how-to-find-patterns-and-identify-changes-in-them-in-time-series-with-r/63651#63651 –

這聽起來像你想得太遠的未來預測。明天的預測將準確無誤，但第二天及其後一天的預測將不會受到過去數據的太大影響，因此當試圖預測太遠時，它們會穩定在一定的水平。未來。「對未來太遠」可能意味着兩個或更多的時間點。假設你有數據直到時間點T + 100，你用它來估計你的ARIMA（2,1,2）模型。假設您只有T點的數據，並使用您的ARIMA（2,1,2）模型預測T + 1，您可以「預測」時間T + 1的值。然後在數據中向前移動一個週期，假裝只有時間T + 1和「預測」T + 2之前纔有數據。通過這種方式，您可以評估ARIMA（2,1,2）模型的預測精度，例如通過計算「預測」的均方誤差（MSE）。

來源

2016-05-18 13:41:37

因此，如果ARIMA不是預測未來發展的最佳方法，那麼您有什麼建議，我需要預測一年的時間？ – Vaibhav

如果數據以一年的間隔顯示高季節性水平，則可以在預測時間T的值（如果S是季節性順序）時考慮季節性ARIMA，其中包括值T-S。在任何其他情況下，T和T + 365之間很可能沒有依賴關係，換句話說，您可能無法預測未來一年，我熟悉的工具。 –

R中的自動ARIMA函數給出奇數結果

回答

相關問題