0
我有2013年2月18日至2017年2月12日之间的日常销售数据,只有4天的数据丢失(每年25日的所有Xmases)。这些假期的销售量为零。 我的目的是通过短期预测未来5-7天数据的销售情况,了解如何为即将到来的一周内的店铺提供服务。预测5天销售
我开始用这个数据建立的时间序列:通过分解
ts <- ts(mydata, frequency = 365)
,然后进行初步分析:
这似乎表明我有一个下降销售趋势,但有一些季节性,如果我没有弄错的话。因此,要开始我的预测实现,我做适合的前两年价值数据的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
这种模式似乎并没有我的权利,因为它不包含任何季节性。我知道我有足够的数据。罗布Hyndman的博客说,尝试使用ets
也没有季节性。我对这个数据系列或预测方法有什么不了解?