这个时间序列预测模型（in R）能进一步改进吗？

我正在尝试建立这个预测模型，但没有得到令人印象深刻的结果。我相信，培训模型的记录数量少是效果不太好的原因之一，因此我正在寻求帮助

这是预测变量的时间序列矩阵。此处Paidts7变量实际上是Paidts6的滞后变量。 XREG=

这是Y变量（待预测）

我尝试了使用外部回归器的Forecast:：ARIMA和Forecast:：NNETAR模型，但无法使MAPE低于7。我的目标是MAPE低于3，RMSE低于50000。欢迎您使用任何其他软件包和功能

以下是测试数据：XREG=

           Paidts2test Paidts6test Paidts7test Paidts4test
Jan 2017    31012640    36892000    79141002       27912
Feb 2017    33009746    39020000    36892000        9724
Mar 2017    39296653    52787000    39020000       11335
Apr 2017    36387649    36475000    52787000       17002
May 2017    40269571    41053000    36475000       11436
          Paidts5test Paidts8test
Jan 2017       25100    109842.9
Feb 2017       25800    112589.0
Mar 2017       25680    112589.0
Apr 2017       25540    112589.0
May 2017       25830    112589.0 

Y= 1627598 1041766 1381536 1346429 1314992

如果您发现删除一个或多个预测变量会显著改善结果，请继续。非常感谢您的帮助，请仅在“R”中提出建议，而不要在其他工具中提出建议

---

-谢谢

试试

auto.arima

，它还允许您使用xreg

---

试试

auto.arima

，它还允许您使用xreg

---

这不是一个特定的编程问题。如果您对数据建模有任何疑问，请按或，而不是堆栈溢出。谢谢您的建议。我已经在简历上发了帖子。这不是一个具体的编程问题。如果您对数据建模有任何疑问，请按或，而不是堆栈溢出。谢谢您的建议。我在简历上发过帖子。我尝试过自动arima，这是建立arima模型的基础。谢谢你的好意，但我需要更多的东西。我已经尝试了自动arima，这是建立arima模型的基础。谢谢你的好意，但我需要更多的东西。

 Jan       Feb       Mar       Apr       May       Jun
2014 1266757.8 1076023.4 1285495.7 1026840.2  910148.8 1111744.5
2015 1654745.7 1281946.6 1372669.3 1017266.6  841578.4 1353995.5
2016 1062048.8 1860531.1 1684564.3 1261672.0 1249547.7 1829317.9
       Jul       Aug       Sep       Oct       Nov       Dec
2014  799973.1  870778.9 1224827.3 1179754.0 1186726.3 1673259.5
2015 1127006.2  779374.9 1223445.6  925473.6 1460704.8 1632066.2
2016 1410316.4 1276771.1 1668296.7 1477083.3 1466419.2 2265343.3

           Paidts2test Paidts6test Paidts7test Paidts4test
Jan 2017    31012640    36892000    79141002       27912
Feb 2017    33009746    39020000    36892000        9724
Mar 2017    39296653    52787000    39020000       11335
Apr 2017    36387649    36475000    52787000       17002
May 2017    40269571    41053000    36475000       11436
          Paidts5test Paidts8test
Jan 2017       25100    109842.9
Feb 2017       25800    112589.0
Mar 2017       25680    112589.0
Apr 2017       25540    112589.0
May 2017       25830    112589.0