Question

我对xt =γ1xt-1 +γ2xt-2 +εt[AR（2）]进行了1000次观察。我想做的是使用前900个观测值来估计模型，并使用剩余的100个观测值来预测一步。这是我到目前为止所做的：

    data2=arima.sim(n=1000, list(ar=c(0.5, -0.7)))  #1000 observations simulated, (AR (2))
    arima(data2, order = c(2,0,0), method= "ML")  #estimated parameters of the model with ML
    fit2<-arima(data2[1:900], c(2,0,0), method="ML")  #first 900 observations used to estimate     the model
    predict(fit2, 100)

但我现在的代码问题是n.ahead = 100但是我想使用n.ahead = 1并总共进行100次预测。我认为我需要使用for循环，但由于我是Rstudio的新用户，我无法弄清楚如何使用for循环来进行预测。谁能帮我这个？

Answer 1

如果我理解正确，您需要对测试集进行一步预测。这应该做你想要的没有循环：

library(forecast)
data2 <- arima.sim(n=1000, list(ar=c(0.5, -0.7)))
fit2 <- Arima(data2[1:900], c(2,0,0), method="ML")
fit2a <- Arima(data2[901:1000], model=fit2)
fc <- fitted(fit2a)

Arima命令允许将模型应用于新数据集，而无需重新估计参数。然后fitted提供一步式样本内预测。

如果您想要对测试数据进行多步预测，则需要使用循环。以下是两步预测的示例：

fcloop <- numeric(100)
h <- 2
for(i in 1:100)
{
  fit2a <- Arima(data2[1:(899+i)], model=fit2)
  fcloop[i] <- forecast(fit2a, h=h)$mean[h]
}

如果您设置上面的h <- 1，您将获得与上一代码块中使用fitted几乎相同的结果。前两个值将是不同的，因为使用fitted的方法没有考虑训练集末尾的数据，而使用循环的方法在进行预测时使用训练集的结束。 / p>

如何使用以前的观察来预测r中使用for循环的下一个时期？

1 个答案: