0
我有2013年2月18日至2017年2月12日之間的日常銷售數據，只有4天的數據丟失（每年25日的所有Xmases）。這些假期的銷售量爲零。 我的目的是通過短期預測未來5-7天數據的銷售情況，瞭解如何爲即將到來的一週內的店鋪提供服務。預測5天銷售
我開始用這個數據建立的時間序列：通過分解
ts <- ts(mydata, frequency = 365)
，然後進行初步分析：
這似乎表明我有一個下降銷售趨勢，但有一些季節性，如果我沒有弄錯的話。因此，要開始我的預測實現，我做適合的前兩年價值數據的ARIMA模型：
fit <- auto.arima(ts[1:730], stepwise = FALSE, approximation = FALSE)
Series: ts[1:730]
ARIMA(4,1,1)
Coefficients:
ar1 ar2 ar3 ar4 ma1
0.3638 -0.2290 -0.1451 -0.2075 -0.8958
s.e. 0.0413 0.0388 0.0388 0.0398 0.0241
sigma^2 estimated as 15424930: log likelihood=-7068.67
AIC=14149.33 AICc=14149.45 BIC=14176.88
這種模式似乎並沒有我的權利，因爲它不包含任何季節性。我知道我有足夠的數據。羅布Hyndman的博客說，嘗試使用ets也沒有季節性。我對這個數據系列或預測方法有什麼不瞭解？