Question

假设我有一些时间序列如下，我想预测c1一步一步，这样做在R中非常简单直接：

testurl = "https://docs.google.com/spreadsheets/d/1jtpQaSxNY1V3b-Xfa5OJKDCLE6pNlzTbwhSHByei4EA/pub?gid=0&single=true&output=csv"
test = getURL(testurl)
mydata = read.csv(textConnection(test), header = TRUE)
data <- ts(mydata['c1'])
fit <- auto.arima(data)
fcast <- forecast(fit)
fcast

请注意，这些数字只是随机数，auto.arima建议我们使用arima(0,1,0)，预测一步是52。

但是，如果想要使用c2和c3来改善（例如aic和bic）样本预测，该怎么办？那个人怎么会继续呢？

c1   c2     c3
40   0,012  1
41   0,015  1
42   0,025  1
40  −0,015  1
44   0,000  0
50   0,015  0
52   0,015  1
51   0,020  1
50   0,025  1
52   0,030  0
53   0,045  1
52   0,030  1
52   0,025  0
52   0,000  0
51   0,010  0
50  −0,02   1
48  −0,025  1
49  −0,030  1
51  −0,040  1
52  −0,350  0

Answer 1

如果我理解正确，您正试图通过xreg中的auto.arima()为您的数据拟合动态回归模型。您可以使用以下内容自动确定模型拟合：

tsdata <- ts(mydata)
fit <- auto.arima(tsdata[,1], xreg = as.matrix(mydata[,2:3]))

要生成提前一步预测，您需要向预测函数中的matrix参数提供C2和C3的未来值xreg。你可以这样做的一种方法是：

fc.c2 <- forecast(tsdata[,2], h = 1)
fc.c3 <- forecast(tsdata[,3], h = 1)


newxreg <- as.matrix(cbind(fc.c2$mean, fc.c3$mean))

fc.c1 <- forecast(fit, xreg = newxreg)

使用额外的回归量预测ARIMA模型

1 个答案: