ARIMA(R中的auto.ARIMA)预测高方差和大时间序列为0
我注意到在R中使用ARIMA(R中的auto.ARIMA)预测高方差和大时间序列为0,r,arima,forecast,R,Arima,Forecast,我注意到在R中使用auto.arima时出现了一个问题,如果我输入一个具有大值和高方差的序列,预测结果只返回0。这是因为选择的超参数错误吗?例如,请参见下面的简单示例: library(forecast) my_time_series = c( 234829874, 293481040534, 4087598324, 20394823094324, 234832948234, 2034982034, 2304984, 2039483029481, 2034
auto.arima
时出现了一个问题,如果我输入一个具有大值和高方差的序列,预测结果只返回0。这是因为选择的超参数错误吗?例如,请参见下面的简单示例:
library(forecast)
my_time_series = c(
234829874,
293481040534,
4087598324,
20394823094324,
234832948234,
2034982034,
2304984,
2039483029481,
20349812044,
2034982094814
)
forecast(auto.arima(my_time_series))
>>>
Point Forecast Lo 80 Hi 80 Lo 95 Hi 95
11 0 -8.348708e+12 8.348708e+12 -1.276825e+13 1.276825e+13
12 0 -8.348708e+12 8.348708e+12 -1.276825e+13 1.276825e+13
13 0 -8.348708e+12 8.348708e+12 -1.276825e+13 1.276825e+13
14 0 -8.348708e+12 8.348708e+12 -1.276825e+13 1.276825e+13
15 0 -8.348708e+12 8.348708e+12 -1.276825e+13 1.276825e+13
16 0 -8.348708e+12 8.348708e+12 -1.276825e+13 1.276825e+13
17 0 -8.348708e+12 8.348708e+12 -1.276825e+13 1.276825e+13
18 0 -8.348708e+12 8.348708e+12 -1.276825e+13 1.276825e+13
19 0 -8.348708e+12 8.348708e+12 -1.276825e+13 1.276825e+13
20 0 -8.348708e+12 8.348708e+12 -1.276825e+13 1.276825e+13
这是为什么?我该如何解决?例如,在这个虚构的时间序列中,我希望至少ARIMA基本上输出平均值,但我不明白为什么它预测0。自动返回的最佳拟合模型。在您的例子中,ARIMA是具有零平均值的
ARIMA(0,0,0)。auto.arima
函数考虑更复杂的模型,并将它们与AIC/BIC选择标准进行比较,我相信它确定了“最简单”的可能的arima模型。您的数据差异很大,有很多数量级。如果你对序列进行对数变换,你会得到一个非零均值的模型。如果你想深入,你可能会考虑转到SturalValueFrime:Actudio帮助,因为你的代码中没有bug。谢谢X-P贴:你应该使用<代码>预测(Auto.arima(MyTimeType系列,lambda=0))< /C> >,它将记录数据。arima模型是针对平稳时间序列设计的。而你的不是。