R 小时间序列分析
我需要对未来两年做出预测。然而,我有一个非常小的数据量。 数据: 我正在使用ARIMA:R 小时间序列分析,r,time-series,prediction,arima,forecast,R,Time Series,Prediction,Arima,Forecast,我需要对未来两年做出预测。然而,我有一个非常小的数据量。 数据: 我正在使用ARIMA: myts <- ts(df_ready[,2], start=c(2016,01), end=c(2019,12), frequency = 12) fit <- auto.arima(myts) pred <- forecast(fit, 24) # next 2 years (24 Months) plot(pred) myts在auto.arima中有一个参数称为D。我们需要将
myts <- ts(df_ready[,2], start=c(2016,01), end=c(2019,12), frequency = 12)
fit <- auto.arima(myts)
pred <- forecast(fit, 24) # next 2 years (24 Months)
plot(pred)
myts在auto.arima
中有一个参数称为D
。我们需要将其设置为1
,以强制arima使用季节性模型。在这种情况下,
m1 <- ts(df$Value, start = min(df$BelegDat), frequency = 12)
autoplot(forecast(auto.arima(m1, D = 1), 24))
m1您的数据不支持任何季节性证据;您的数据与偏移的白噪声一致
强制使用特定的SARIMA结构,然后根据白噪声数据使用该结构进行预测是非常危险的
为了演示,让我们将情况扭转过来,生成白噪声数据,这些数据偏移相同,并且与样本数据具有相同的方差。请记住,这是设计上的白噪声
库(预测)
图书馆(GG2)
种子集(2018)
为什么你认为这是错误的?因为预测是固定的?你也能分享一个你的数据的可复制的例子吗?我认为预测是错误的,因为它没有捕捉任何季节性,它只是一条直线。我使用的数据与问题中的数据相同。或者您正在谈论csv文件?只需执行dput(您的数据帧)
并将结果复制/粘贴到您的问题中。谢谢您提供的信息,刚刚changed@IvanMatoshchuk您显示的数据不支持任何季节性证据。ARIMA(0,0,0)模型最适合您的数据;换句话说,您的数据类似于白噪声(偏移)。但换句话说,您的数据yi
与yin(偏移量,sigma^2)
一致。谢谢您的回答!请您提出一些其他算法,这些算法对这些数据有用吗?我建议您探索packageforecast
。它是由罗布·亨德曼建造的。也非常适合给你一些预测数据的内部信息,所有的例子都在R中,利用他的库等,我会非常小心地解释这些预测!您的数据类似于(均值漂移)白噪声(这是auto.arima
的输出告诉您的)。没有(数据来源)证据表明存在季节性效应(也没有证据表明存在任何非季节性MA/AR效应)。@MauritsSevers是的,我明白你的意思,我见过人们做出这样的解释。我同意你对白噪声的天真(根据季节性)预测signal@MauritsEvers谢谢你的反馈。我完全同意你们两位的观点,我应该提高我对时间序列分析的知识。这项任务需要一些“好看的”产出,显然,这不被认为是一个有价值的预测。
m1 <- ts(df$Value, start = min(df$BelegDat), frequency = 12)
autoplot(forecast(auto.arima(m1, D = 1), 24))