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：

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package
forecast
。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))