没有找到合适的ARIMA模型

我有以下内容，正在尝试运行。我正在进行回溯测试，所以我正在运行几个日期的预测。在这种情况下，我从2018年9月开始运行它，因此培训数据介于

2016-01-29

和

2017-09-30

之间，测试数据介于

2017-10-01

和

2018-09-30

之间

    how_many_weeks_test <- 52
    how_many_days_test <- 365
    temp_fcst_train_data <- head(temp_fcast_data, -1 * how_many_days_test)
    temp_fcst_test_data <-  tail(temp_fcast_data, how_many_days_test)

当运行

arima\u fourier\u train

或

arima\u standard\u train

时，这就是我得到的错误

Residual standard error: 948600000 on 586 degrees of freedom
Multiple R-squared:  0.4815,    Adjusted R-squared:  0.4602 
F-statistic: 22.67 on 24 and 586 DF,  p-value: < 2.2e-16


 Fitting models using approximations to speed things up...

 ARIMA(2,1,2) with drift         : Inf
 ARIMA(0,1,0) with drift         : Inf
 ARIMA(1,1,0) with drift         : Inf
 ARIMA(0,1,1) with drift         : Inf
 ARIMA(0,1,0)                    : Inf
 ARIMA(1,1,2) with drift         : Inf
 ARIMA(2,1,1) with drift         : Inf
 ARIMA(3,1,2) with drift         : Inf
 ARIMA(2,1,3) with drift         : Inf
 ARIMA(1,1,1) with drift         : Inf
 ARIMA(1,1,3) with drift         : Inf
 ARIMA(3,1,1) with drift         : Inf
 ARIMA(3,1,3) with drift         : Inf
 ARIMA(2,1,2)                    : Inf

Error in auto.arima(y, xreg = xreg, seasonal = FALSE, max.d = 5, num.cores = 6,  : 
  No suitable ARIMA model found
[1] "this model will be ignored"

你的想法是什么？我也使用NNs和TBAT，但误差在30%和40%之间，我希望误差低于20%，或者理想情况下低于15%

欢迎任何帮助或建议

---

谢谢 问题似乎是我的变量中的值太大，并且正在产生数字溢出。因此，我将这些值平方根化，得到以下错误率：

          model_name performance model_index
1  arima_fourier   0.1004043           1
2 arima_standard   0.1668806           2
3 arima_standard   0.2134641           3
4          naive   0.1978858           4
5         nnetar   0.1474986           5
6         nnetar   0.1758006           6
7         nnetar   0.1506708           7
8          tbats   0.2587426           8

---

问题似乎是我的变量中的值太大，并且正在产生数字溢出。因此，我将这些值平方根化，得到以下错误率：

          model_name performance model_index
1  arima_fourier   0.1004043           1
2 arima_standard   0.1668806           2
3 arima_standard   0.2134641           3
4          naive   0.1978858           4
5         nnetar   0.1474986           5
6         nnetar   0.1758006           6
7         nnetar   0.1506708           7
8          tbats   0.2587426           8

---

您是如何将数据拆分为训练和测试的？请在这些详细信息中添加的

column=j

中定义

j

的值。您是如何将数据拆分为训练和测试的？请在这些详细信息中添加的

column=j

中定义

j

的值。

          model_name performance model_index
1  arima_fourier   0.1004043           1
2 arima_standard   0.1668806           2
3 arima_standard   0.2134641           3
4          naive   0.1978858           4
5         nnetar   0.1474986           5
6         nnetar   0.1758006           6
7         nnetar   0.1506708           7
8          tbats   0.2587426           8