R 快速建立具有参数组合的模型

我试图用一组参数在R中建立ARIMA模型。

arima

函数的签名为：

arima(x,
      order=(p, d, q),
      seasonal=list(order=(P, D, Q), period=S)
)

我正在试验参数

p，q，p，q

（假设

d

和

d

固定为

1

）

假设每个参数都是一个向量：

p = c(1, 2, 3)
P = c(1, 2, 3)
q = c(2, 3, 4)
Q = c(2, 3, 4)

---

如何使用参数组合构建ARIMA模型？我知道嵌套循环是一种直观的方法，但我想还有更多的R式方法。

您可以将所有参数放入数据结构中

params<-data.frame(p,P,q,Q,d=1,D=1,S=4)

---

如果您指的是

p，p，q，q的所有可能组合

，则将参数设置为

expand.grid（p=p，p=p，q=q，q=q）

。但是，请参见

forecast

中的

auto.arima

，了解逐步方法。

我强烈建议查看

forecast

包，尤其是

auto.arima

功能。真的很棒。这个软件包的作者甚至有一本教科书，你可以买一本或几本

---

另外，我应该补充一点，使用@A.Webb方法会遇到麻烦——从编程的角度来看，这并不是不好，而是

arima

会进行检查，以确保建议的模型在统计上是固定的。因此，您必须

edit（arima）

删除该行，或者提前进行测试以确保不建议使用非平稳参数集，或者将整个内容包装在

tryCatch

中。这些都是我自己做的。最简单的方法是最终利用在

auto.arima

中投入的辛勤工作，谢谢。我看了文件。我确实尝试过

auto.arima

，但它似乎无法处理不规则的ts。如果我将

zoo

喂给

auto.arima

，它会隐式转换为

ts

，频率=1，那么

auto.arima

将永远不会包括季节性术语（P，D，Q）.你必须用NA填充缺失的时间步长，使时间序列规则化。不管你在做什么，你都必须定义季节频率（也就是说，这不是你只需要为

auto.arima

做的事情）。你不需要使用动物园。只需使用

ts

，并定义频率。我认为预测包甚至有这样一个功能。执行

ls（“包：预测”）

并查看函数。。。其中一个显然被命名，以表明它发现或检测季节性频率@泽隆

lapply(1:nrow(params),function(i) with(params[i,],
  arima(x,order=c(p, d, q),seasonal=list(order=c(P, D, Q), period=S))))