增加誤差項的影響華宇預測

Question

我的預測幅度比實際數據要小得多。有沒有一個參數可以在auto.arima中使用來增加預測的幅度？

我一直在閱讀Rob Hyndman的預測教科書。似乎表明增加誤差項的影響會增加預測變化的幅度而不改變模式。

我試過使用Arima並更改p，q和d值，但沒有運氣。另外，我嘗試設置Allowmean = FALSE，這似乎將預測值降至x軸，而不是以數據的平均值爲中心。用標量乘以預測確實增加了幅度。我認爲我更喜歡對實際數據更敏感的解決方案。我對auto.arima和預測非常陌生，因此非常感謝任何提示。

我有下面的代碼和樣本數據。

代碼：

tsTrain <-tsTiTo[1:60] 
tsTest <- tsTiTo[61:100] 

LagXreg<-c(NA,ds[1:99,]$CustCount) 

##Lagged Predictors 
xregTrain2 <- LagXreg[1:60] 
xregTest2 <- LagXreg[61:100] 


Arima.fit2 <- auto.arima(tsTrain, xreg = xregTrain2,stepwise=FALSE,  approximation=FALSE, allowmean = FALSE) 

Acast2<-forecast(Arima.fit2, h=40, xreg = xregTest2) 

##Other Attempts 
Arima.fit8 <- auto.arima(tsTrain, xreg = xregTrain2,stepwise=FALSE, approximation=FALSE,allowmean = FALSE) 
Arima.fit9 <- Arima(tsTrain, xreg = xregTrain2,order=c(1,0,10)) 

數據：

dput(ds$CustCount[1:100]) 

C（3，3，1，4,1，3，2，3，2，4，1，1，5， 6，8，5,2，7,7，3， 2，2，2，1，3，2，3，1，1，2，1，1，3，2，2，2，3，7 ，5,6,8, 7,3,5,6,6,8,4,2,1,2,1，NA，NA，4,2,2,4,11,2,8, 1 ，4，7，11，5,3，10，7，1，1，NA，2，NA，NA，2，NA，NA，1， 2，3，5，9，5,9，6， 6，1，5，3，7，5，8，3，2，6，3，2，3 ，1 ）

dput(tsTiTo[1:100]) 

C（45，34，11，79，102，45，21，45，104，20，2，207，45，2，3，153，如圖8所示，2，173 ，11,207,79,45,153,192,173,130,4,173,174,173,130,79,154,4,104,192,153,192,104,28,173,52,45 ，11,29,22,81,7,79,193,104,1,1,46,130,45,154,153,7,17​​4,21,193,45,79,173,45,153,45 ，173，如圖2所示，1，2，1，1，8,1，1，79，45，79，173，45，2，173，130，104，19，4，34，2，192，42，41 ，31，39，11，79，4，79）

Answer 1

一些事情，我做了一個情節，X似乎沒有與Y相關。你確定變量描述Y？

我看了第60個觀察點。期間13的差異開始增加並向前。你需要爲此進行調整。我應用Tsay測試來識別這一點，你可以在這裏閱讀更多關於它的信息。您最終使用加權最小二乘法來加權數據。 https://www.researchgate.net/publication/227763540_Outliers_Level_Shifts_and_Variance_Changes_in_Time_Series

您的時間系列有兩個級別的變化，ARIMA將無法充分處理。瞭解更多關於這裏http://dallasfed.org/assets/documents/research/papers/1991/wp9109.pdf

的重量是1.9週期以1至12，然後1.0期13〜60

Y（T）= 42.412
+ [X1（T）] [電平移（+ 82.5882）]：LEVEL SHIFT 19 + [X2（T）] [（ - 60.5556）]：LEVEL SHIFT 43 + [X3（T）] [（+ 164.59）]：PULSE 12 + T）]