我们必须每月适应2000或奇数时间序列， 他们有非常特殊的行为，有些是arma / arima，有些是ewma，有些是arch / garch，有或没有季节性和/或趋势（唯一的共同点是时间序列方面）。
理论上可以用aic或bic标准建立集合模型来选择最合适的模型，但社区是否知道任何试图解决这个问题的库？
谷歌让我意识到Rob J Hyndman的下面一个 link
但他们还有其他选择吗？
答案 0 :(得分：3)
forecast package中有两种自动方法：auto.arima()将使用ARIMA模型处理自动建模，而ets()将自动从指数平滑族中选择最佳模型（包括适当的趋势和季节性）。两种情况下都使用AIC进行模型选择。既不会处理ARCH / GARCH模型。该JSS文章中详细描述了该包：http://www.jstatsoft.org/v27/i03
继续你的问题：
什么时候可以使用 预测包功能，尤其是 具有高维度的功能 数据（例如每周数据）？
可能在明年初。这篇论文是写的（见robjhyndman.com/working-papers/complex-seasonality），我们现在正在编写代码。
答案 1 :(得分：0)
感谢useRs，我已经尝试过预测包，它也是arima和ets的组合，但是没有得到aic或bic（sbc）的好评，所以我现在很想把每个时间序列都对待它自己的svm（支持向量机），因为它具有更好的一般化适应性，并且能够添加除滞后和非线性核函数之外的其他变量
任何预感？