值

Question

我想使用auto.arima函数进行样本外预测实验。此外，应使用固定滚动窗口大小的时间序列交叉验证。目标是针对未来的1,3和6步获得一步预测。

library(forecast)
library(tseries)

#the time series
y1 = 2+ 0.15*(1:20) + rnorm(20,2)
y2 = y1[20]+ 0.3*(1:30) + rnorm(30,2)
y =  as.ts(c(y1,y2))

#10obs in test set, 40obs in training set
ntest <- 10
ntrain <- length(y)-ntest

#auto.arima with some prefered specifications
farima <- function(x,h){forecast(auto.arima(x,ic="aic",test=c("adf"),seasonal=FALSE, 
                                        stepwise=FALSE, approximation = FALSE,
                                        method=c("ML")),h=h)}

# executing the following function, gives the forecast errors in a matrix for each one-step forecast
e <- tsCV(y,farima,h = 6,window=40)

通过从真实值中减去误差来给出预测值：

#predicted values
fc1 <- c(NA,y[2:50]-e[1:49,1])
fc1 <- fc1[41:50]

fc3 <- c(NA,y[2:50]-e[1:49,3])
fc3 <- fc3[41:50]

fc6 <- c(NA,y[2:50]-e[1:49,6])
fc6 <- fc6[41:50]

但是，我很好奇前面三步的预测值是否正确编码。由于第一个3步超前预报是对第43个观测的预报？我也不明白为什么提前3步误差[第3列]的矩阵e具有观察值40。由于我认为获得观察值43的第一个提前3步预测，因此不应观察错误40。

Answer 1

始终阅读帮助文件：

值

包含预测误差的矢量时间序列对象，作为矢量（如果h = 1），否则为矩阵。时间索引对应于训练数据的最后一个周期。这些列对应于预测范围。

因此tsCV()在矩阵中返回错误，其中第（i，j）项包含预测原点i和预测水平h的误差。因此，第40行和第3列的值是在时间段43的时间40处产生的3步误差。

Answer 2

感谢您的帮助！

因此对于h = 1,2,3步，预测值如下：

#predicted values
#h=1
fc1 <- c(NA,y[41:50]-e[40:49,1])
fc1 <- fc1[2:11]

#h=2
fc2 <- c(NA,y[42:50]-e[40:49,2])
fc2 <- fc2[2:10]

#h=3
fc3 <- c(NA,y[43:50]-e[40:49,3])
fc3 <- fc3[2:9]

对吗？

R中的tscv auto.arima预测值进行预测

2 个答案:

值