Question

我有需要分析的高频商品价格数据。我的目标是不假设任何季节性因素，只是确定趋势。这是我遇到R问题的地方。我知道分析这个时间序列有两个主要功能：decompose（）和stl（）。问题是他们都采用频率参数大于或等于2的ts对象类型。有什么方法我可以假设每单位时间的频率为1并且仍然使用R来分析这个时间序列？我担心如果我假设每单位时间的频率大于1，并且使用频率参数计算季节性，那么我的预测将取决于该假设。

names(crude.data)=c('Date','Time','Price')
names(crude.data)
freq = 2
win.graph()
plot(crude.data$Time,crude.data$Price, type="l")
crude.data$Price = ts(crude.data$Price,frequency=freq)

我希望频率为每单位时间1，但然后分解（）和stl（）不起作用！

dim(crude.data$Price)
decom = decompose(crude.data$Price)
win.graph()
plot(decom$random[2:200],type="line")
acf(decom$random[freq:length(decom$random-freq)])

谢谢。

Answer 1

stl()和decompose()都用于季节性分解，因此您必须拥有季节性组件。如果您只想估计趋势，那么任何非参数平滑方法都可以完成这项工作。例如：

fit <- loess(crude.data$Price ~ crude.data$Time)
plot(cbind(observed=crude.data$Price,trend=fit$fitted,random=fit$residuals),main="")

避免在R中使用stl（）或分解（）的季节性假设

1 个答案: