關於使用R

的自動時間序列擬合的問題，我們必須每月適合約2000或奇數時間序列，其中特別是有非常特殊的行爲，有些是arma/arima，有些是ewma，有些是arch/garch有或沒有季節性和/或趨勢（只有共同點是時間序列方面）。關於使用R

人們可以在理論上建立具有aic或bic標準的集合模型來選擇最佳擬合模型，但社區是否意識到試圖解決這個問題的任何圖書館？

谷歌使我認識的一個下方羅布Ĵ海德門 link

但他們任何其他的選擇嗎？

2009-09-09 Arun

我的預測套件的鏈接不正確。它應該是http://robjhyndman.com/software/forecast – 2009-09-09 23:46:29

道歉，所以更正，感謝編寫包BTW – Arun 2009-09-10 02:33:24

有兩種自動方式在forecast package：auto.arima()將使用ARIMA模型處理自動建模，並ets()它會自動選擇指數平滑的家人最好的模型（包括趨勢和季節性如適用）。 AIC在兩種情況下均用於模型選擇。雖然沒有處理ARCH/GARCH模型。該軟件包是在一些細節上這個JSS文章中描述：http://www.jstatsoft.org/v27/i03

而且你的問題：

什麼時候可以使用預測軟件包的功能，尤其是 ETS功能，具有高維數據（例如每週數據）？

大概在明年年初。論文寫作（請參閱robjhyndman.com/working-papers/complex-seasonality），我們正在編寫代碼。

來源

2009-09-09 23:50:35

Rob：它看起來像auto.arima（）只適用於ts對象。關於允許它接受其他不規則時間序列（例如動物園）的任何想法？作爲quantmod包的一個簡單例子：{getSymbols（「GS」）; auto.arima（as.zoo（GS [，'GS.Close']））} – Shane 2009-09-30 14:49:21

不規則間隔數據的ARIMA模型非常棘手。基本上你需要適應連續時間的ARMA（見Brockwell等人的論文），這是一種非常不同於離散時間的模型。 – 2009-09-30 23:18:12

謝謝useRs，我已經嘗試過預測軟件包，這也是arima和ets的組合，但不是從aic或bic（sbc）得到很多好評，所以我現在試圖將每個時間序列它自己的svm（支持向量機），因爲它具有更好的genralization適應性，並且能夠添加除延遲和非線性核函數之外的其他變量

任何預感？

來源

2009-09-12 20:01:50 Arun

您不能比較來自ARIMA和ETS的AIC，因爲它們基於差異導致的不同數據集。另外，我沒有看到svm是一個很好的通用時間序列預測算法的證據。例如，預測M-競爭表明非線性數據挖掘方法往往比大型單變量時間序列數據集上的線性統計模型表現更差。有很多關於這方面的文獻。我建議你在嘗試提出自己未經測試的方法之前閱讀與M3競爭相關的論文。 – 2009-09-13 04:08:19

回答

相關問題