R中的自动ARIMA函数给出奇数结果

我有3年的日等级数据集，我在其上运行了auto.arima()来进行简单的时间序列预测，它给了我一个(2,1,2)模型。当我使用这个模型来预测未来1年的变量时，情节在几天后变得不变，这不可能是正确的R中的自动ARIMA函数给出奇数结果

由于我每天的数据为3年，并且频率为364天ARIMA是否无法处理大频率的日常数据？

任何帮助将不胜感激

来源

2016-05-18 Vaibhav

可重复的代码会有所帮助。你也可以尝试设置季节性的2个周期（每周7天）和364天（每年的天数） – Whitebeard

这就是arima的工作方式。它基本上是对t-2（在你的情况下）系数低于1的观察作出反应，这意味着逐渐减小到平均值......并且它在几年内每天都有，你只是看不到任何东西，这样的规模。 –

看到这个问题http://stats.stackexchange.com/questions/63646/how-to-find-patterns-and-identify-changes-in-them-in-time-series-with-r/63651#63651 –

这听起来像你想得太远的未来预测。明天的预测将准确无误，但第二天及其后一天的预测将不会受到过去数据的太大影响，因此当试图预测太远时，它们会稳定在一定的水平。未来。 “对未来太远”可能意味着两个或更多的时间点。假设你有数据直到时间点T + 100，你用它来估计你的ARIMA（2,1,2）模型。假设您只有T点的数据，并使用您的ARIMA（2,1,2）模型预测T + 1，您可以“预测”时间T + 1的值。然后在数据中向前移动一个周期，假装只有时间T + 1和“预测”T + 2之前才有数据。通过这种方式，您可以评估ARIMA（2,1,2）模型的预测精度，例如通过计算“预测”的均方误差（MSE）。

来源

2016-05-18 13:41:37

因此，如果ARIMA不是预测未来发展的最佳方法，那么您有什么建议，我需要预测一年的时间？ – Vaibhav

如果数据以一年的间隔显示高季节性水平，则可以在预测时间T的值（如果S是季节性顺序）时考虑季节性ARIMA，其中包括值T-S。在任何其他情况下，T和T + 365之间很可能没有依赖关系，换句话说，您可能无法预测未来一年，我熟悉的工具。 –

R中的自动ARIMA函数给出奇数结果

回答

相关问题