我正在使用 R 中的预测包进行时间序列预测。我有 5 年的历史,想预测 future 3 个月的情况。我注意到,如果我在训练集中仅使用最近 2-3 年的预测结果会比使用全部 5 年的结果更好。我相信这是因为 ARIMA 算法在 5 年前发现的模式不再适用于预测 future 。
与其完全消除很久以前的数据,是否可以减少这些数据的权重?目前预测中没有这样的选项,但是有没有办法解决这个问题,或者是否有替代软件包?
最佳答案
当方差发生变化并使用 Tsay 检验进行识别时,加权实际上更适用。
听起来您可以使用“电平转换”变量(即0,0,0,0,1,1,1,1,1,)。这将使您仍然能够保持季节性和星期几的影响,而且还能对平均值的变化使用react。您还应该留意异常值的变化、趋势的变化和季节性的变化,因为周一可能会很低,然后会很高。您还应该考虑具有超前和滞后影响的假期、每月某天的影响以及长周末。
Ruey Tsay 跟进了 Box 和 Tiao 在异常值方面的工作,您可以在此处阅读 www.unc.edu/~jbhill/tsay.pdf
既然你问了 - 我们的软件名为 Autobox,会自动执行这些操作,于 1976 年推出。
www.autobox.com
关于r - R 或其他软件中的加权 ARIMA,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/15776482/