R中的自动ARIMA函数给出奇数结果

我有一个三年的日数据集， 我在R上运行了

auto.arima（）

，用于简单的时间序列预测，它给了我一个

（2,1,2）

模型。 当我用这个模型来预测下一年的变量时，几天后曲线图变得恒定，这是不正确的

由于我有3年的每日数据，频率为364天，ARIMA是否无法处理频率较高的每日数据

---

任何帮助都将不胜感激

这听起来好像你在试图预测太远的未来。 明天的预测将是准确的，但第二天和第二天的预测不会受到过去数据的太大影响，因此，当试图预测太远的未来时，它们将围绕某个常数进行调整。“太遥远的未来”可能意味着两个或更多的时间点

---

假设在时间点T+100之前有数据，用于估计ARIMA（2,1,2）模型。您可以通过假装只有T点之前的数据来“预测”时间T+1的值，并使用ARIMA（2,1,2）模型预测T+1。然后在数据中向前移动一个时段，并假设只有时间T+1和“预测”T+2之前的数据。通过这种方式，您可以评估ARIMA（2,1,2）模型的预测精度，例如通过计算“预测”的均方误差（MSE）

这听起来好像你在试图预测太远的未来。 明天的预测将是准确的，但第二天和第二天的预测不会受到过去数据的太大影响，因此，当试图预测太远的未来时，它们将围绕某个常数进行调整。“太遥远的未来”可能意味着两个或更多的时间点

---

假设在时间点T+100之前有数据，用于估计ARIMA（2,1,2）模型。您可以通过假装只有T点之前的数据来“预测”时间T+1的值，并使用ARIMA（2,1,2）模型预测T+1。然后在数据中向前移动一个时段，并假设只有时间T+1和“预测”T+2之前的数据。通过这种方式，您可以评估ARIMA（2,1,2）模型的预测精度，例如通过计算“预测”的均方误差（MSE）

可复制的代码会有所帮助。您还可以尝试将季节性时段设置为每周7天和每年364天，这就是arima的工作方式。它基本上是对t-2（在你的例子中）的观察作出反应，系数小于1，这意味着逐渐减小到平均值。。。几年来，它每天都在运行，你只会看到这样一条直线。看这个问题，可复制代码会有所帮助。您还可以尝试将季节性时段设置为每周7天和每年364天，这就是arima的工作方式。它基本上是对t-2（在你的例子中）的观察作出反应，系数小于1，这意味着逐渐减小到平均值。。。这是几年来每天都会发生的事情，你只会看到一条如此规模的直线。看看这个问题，如果ARIMA不是预测未来如此之远的最佳方法，季节性ARIMA，包括时间T-S，当预测时间t值（如果S是季节性的顺序）时，你可以考虑一个季节性ARIMA，它包括一个季节性的ARIMA，包括一个季节性的ARIMA，包括一个季节性的ARIMA。在任何其他情况下，T和T+365之间很可能没有依赖关系，或者换句话说，使用我熟悉的工具，你可能无法预测未来一年……因此，如果ARIMA不是预测未来这段时间的最佳方法，季节性ARIMA，包括时间T-S，当预测时间t值（如果S是季节性的顺序）时，你可以考虑一个季节性ARIMA，它包括一个季节性的ARIMA，包括一个季节性的ARIMA，包括一个季节性的ARIMA。在任何其他情况下，T和T+365之间很可能没有依赖关系，或者换句话说，使用我熟悉的工具，您可能无法预测未来一年。。