Question

我正在尝试执行以下操作，但是我会在最终的列表方式中使用函数（＃4以下 - ＃1-3只是问题的设置）：

将时间序列数据框拆分为按细分列表
将其中的每一个拆分为培训和测试集
使用auto.arima（）（在训练集上）为每个细分市场构建arima模型（预测收入，订单为 xreg ）
使用每个细分市场的arima模型预测收入，使用下一期的订单值

（1）：数据：

library(plyr); library(xts); library(forecast)
set.seed(1234)

data <- data.frame(
    date = seq(as.Date('2014-05-01'), length = 31, by = '1 day'),
    segment = c(rep('High', 31), rep('Med', 31), rep('Low', 31)),
    orders = sample(50:100, 93, replace=TRUE),
    revenue = sample(1500:3000, 93, replace=TRUE))

设置训练和测试时段：

train_dates <- as.Date('2014-05-01') + 0:19
test_dates <- as.Date('2014-05-21') + 0:10

（2）：通过“segment”将数据帧拆分为列表，并使列表中的每个元素成为XTS对象，以便我们可以在预测中使用它：

xtsFunc <- function(x) {
    as.xts(x[,3:4], order.by=x$date)
}

# Training and test lists:
train_list <- dlply(subset(data, date %in% train_dates), .(segment), xtsFunc)
test_list <- dlply(subset(data, date %in% test_dates), .(segment), xtsFunc)

（3）：现在，我想在“train_list”对象上使用auto.arima（）。这很容易：

arimaFunc <- function(x){
    auto.arima(x[,'revenue'], xreg=x[,'orders'])
}

train_arimas <- llply(train_list, arimaFunc)

（4）：但现在我们遇到了问题，列表中的第4部分。我想采用我刚刚为每个细分市场的培训日期创建的arima模型，并使用forecast.Arima（）根据我们在测试日期已经拥有的订单数据来预测未来的收入数字*

如何将“train_arimas”中的模型应用到“test_list”中各自的段，使用[，'orders']的未来值（例如来自“test_list”）作为“预测中的xreg参数” .Arima（）“？

我的尝试肯定没有正确使用“申请”：

forecastFunc <- function(x){
    forecast.Arima(x, h=11, xreg=test_list$x$orders)
}

lapply(train_arimas, forecastFunc)

注意：这有点像我问的earlier question，但希望措辞更清楚......

*我知道这似乎有些奇怪，方法论上。但在实际应用中，我在未来的日期有一套保证订单，所以“xreg”变量本身不需要预测

Answer 1

我会这样做：

# Split the data according to the variable `segment`
data_s <- split(data, data$segment)

# Estimate a model for each list element for the period [01-05.2014; 20-05.2014]
mod <- lapply(data_s, function(x) auto.arima(x$revenue[1:20], xreg = x$orders[1:20]))

# Apply respective models to the data supplying the regressor `orders`:
res <- mapply(function(mod, data_s) forecast.Arima(mod, xreg = data_s$orders[21:31]), mod, data_s)

# In order to get the respective forecasts (`means`):
forecasts <- lapply(apply(res, 2, list), function(x) x[[1]]$mean)

为了在实现之上绘制预测：

plot(data_s$Low$revenue, type="l")
lines(21:31, forecasts$Low, col = "red")

plot(data_s$High$revenue, type="l")
lines(21:31, forecasts$High, col = "red")

plot(data_s$Med$revenue, type="l")
lines(21:31, forecasts$Med, col = "red")

在列表元素中应用auto.arima（）进行预测

1 个答案: