Question

在下面的例子中，我试图在日常数据上使用Holt-Winters平滑，但我遇到了几个问题：

# generate some dummy daily data
mData = cbind(seq.Date(from = as.Date('2011-12-01'), 
         to = as.Date('2013-11-30'), by = 'day'), rnorm(731))

# convert to a zoo object
zooData = as.zoo(mData[, 2, drop = FALSE], 
                 order.by = as.Date(mData[, 1, drop = FALSE], format = '%Y-%m-%d'),
                 frequency = 7)

# attempt Holt-Winters smoothing
hw(x = zooData, h = 10, seasonal = 'additive', damped = FALSE, 
   initial = 'optimal', exponential = FALSE, fan = FALSE)

# no missing values in the data
sum(is.na(zooData))

这会导致以下错误：

ets中的错误（x，“AAA”，alpha = alpha，beta = beta，gamma = gamma， damped = damped，：你一定是在开玩笑。我需要更多数据！ In 另外：警告信息：在ets（x，“AAA”，alpha = alpha，beta = beta，gamma = gamma，damped = damped，：遇到缺失值。 使用时间序列中最长的连续部分

强调我的。

几个问题： 1.缺失值来自何处？ 2.我假设试图估计365个季节性参数会产生“需要更多数据”吗？

更新1：

根据Gabor的建议，我为数据重建了一个小数索引，整数是几周。

我有几个问题 1.当周期性假设为每周时，这是处理日常数据的适当方式吗？ 2.使用日常数据时，是否有更优雅的方式处理日期？

library(zoo)
library(forecast)

# generate some dummy daily data
mData = cbind(seq.Date(from = as.Date('2011-12-01'), 
                       to = as.Date('2013-11-30'), by = 'day'), rnorm(731))

# conver to a zoo object with weekly frequency
zooDataWeekly = as.zoo(mData[, 2, drop = FALSE], 
                 order.by = seq(from = 0, by = 1/7, length.out = 731))


# attempt Holt-Winters smoothing
hwData = hw(x = zooDataWeekly, h = 10, seasonal = 'additive', damped = FALSE, 
   initial = 'optimal', exponential = FALSE, fan = FALSE)
plot(zooDataWeekly, col = 'red')
lines(fitted(hwData))

Answer 1

hw需要ts个对象而不是zoo个对象。使用

zooDataWeekly <- ts(mData[,2], frequency=7)

除非有充分理由准确指定模型，否则让R为您选择最佳模型通常会更好：

fit <- ets(zooDataWeekly)
fc <- forecast(fit)
plot(fc)

R：带有每日数据的Holt-Winters（预测包）

更新1：

1 个答案: