R 多元时间序列的向量自回归模型：趋势和季节性

我有3个时间序列，我想预测每个时间序列的未来值。 我在用！包装在R

这就是方法：

分解乘法时间序列，去掉趋势、季节性和随机部分

time_series1_components = decompose(time_series1,type="mult")

对所有时间序列执行此操作

对随机部分应用VAR模型，并预测未来值：

random_part1 = time_series1_components$random
random_part2 = time_series2_components$random
random_part3 = time_series3_components$random
merged_df = ts.union(random_part1, random_part2,random_part3, dframe = TRUE)
merged_mat <- data.matrix(merged_df)
merged_mat = na.exclude(merged_mat)
checklag = VARselect(merged_mat)
EstimateModel=VAR(merged_mat, p = 2, type = "const", season = NULL, exogen = NULL)
summary(EstimateModel)
roots(EstimateModel)
predict(EstimateModel)`

random\u part1=时间序列1\u组件$random
random_part2=时间序列2_组件$random
random\u part3=时间序列3\u组件$random
合并的df=ts.union（随机部分1，随机部分2，随机部分3，dframe=TRUE）
我不知道
VARS
软件包，但是你可以看看
forecast
软件包，特别是
auto.arima
，然后是
forecast
，这是另一种省力的方法。谢谢你的快速回复。时间序列1的未来值受其自身的过去值以及时间序列2和时间序列3的过去值的影响。所以我想我需要使用向量自回归模型。我在预测包中没有看到这一点。如果我错了，请纠正我。不，你是对的，
forecast
不包括VAR模型的任何功能。