R-预测多个时间序列（15K产品）
Hi Stack Overflow社区 我有超过15K种产品的5年每周价格数据（5*15K**52条记录）。每个产品都是一个单变量时间序列。目标是预测每种产品的价格 我熟悉单变量时间序列分析，在该分析中，我们可以可视化每个ts序列，绘制其ACF、PACF，并预测序列。但是，在这种情况下，单变量时间序列分析是不可能的，因为我有15K个不同的时间序列，无法分别可视化每个产品的每个时间序列、其ACF、PACF和预测，并对其进行调整/决策 我正在寻找一些建议和方向来解决这个多序列预测问题，使用R（更好）。任何帮助和支持都将不胜感激R-预测多个时间序列（15K产品）,r,time-series,prediction,forecast,R,Time Series,Prediction,Forecast,Hi Stack Overflow社区 我有超过15K种产品的5年每周价格数据（5*15K**52条记录）。每个产品都是一个单变量时间序列。目标是预测每种产品的价格 我熟悉单变量时间序列分析，在该分析中，我们可以可视化每个ts序列，绘制其ACF、PACF，并预测序列。但是，在这种情况下，单变量时间序列分析是不可能的，因为我有15K个不同的时间序列，无法分别可视化每个产品的每个时间序列、其ACF、PACF和预测，并对其进行调整/决策 我正在寻找一些建议和方向来解决这个多序列预测问题，使用R（更好）
提前感谢。我建议您使用
forecastauto.arimafit我建议您使用forecast
软件包中的auto.arima
这样，您就不必搜索正确的ARIMA模型
auto.arima：根据AIC、AICc或BIC值返回最佳arima模型。该函数在提供的订单约束范围内对可能的模型进行搜索
fit谢谢@Steffen。我在其他一些解决方案中使用了auto.arima，并对其进行了考虑，但正在寻找更多的想法。我认为，它最适合单变量时间序列。欢迎您。对不起，我知道你在明确地搜索单变量方法。正如我所说，是的，你可能是对的——多元方法可能更适合。对于多变量时间序列，我实际上没有一个单一的方法。根据经验（当然也有一点依赖于数据集）特征工程（创建时间特征）+然后使用ML方法通常会得到最好的结果。对于m5竞赛的获胜者来说，这也非常有效。。。但在功能工程方面有很多工作。。。还有车型选择……谢谢@Steffen。我在其他一些解决方案中使用了auto.arima，并对其进行了考虑，但正在寻找更多的想法。我认为，它最适合单变量时间序列。欢迎您。对不起，我知道你在明确地搜索单变量方法。正如我所说，是的，你可能是对的——多元方法可能更适合。对于多变量时间序列，我实际上没有一个单一的方法。根据经验（当然也有一点依赖于数据集）特征工程（创建时间特征）+然后使用ML方法通常会得到最好的结果。对于m5竞赛的获胜者来说，这也非常有效。。。但在功能工程方面有很多工作。。。和型号选择。。。
fit <- auto.arima(WWWusage)
plot(forecast(fit,h=20))