Question

我有一个拍卖数据集，其中存在End_of_week，Bid_Price，USD_INR，Crude_Oil_Price和Baltic_Dry_Index列。我必须预测未来6个月的Bid_Price。我编写了以下代码行。创建了2个模型：一个模型具有级别的数据，第二个模型具有对数转换的数据，但是对于这两个模型，它都显示“带有ARIMA（0,0,0）错误的回归”。这里提供的数据是原始数据集的一部分。

数据

一周末L1_BID_PRICE BDI_MA原油价格_INR USD

27-01-2018 14.45 1184.4 66.14 63.59
2018年3月2日13.975 1153.2 65.45 64.13
10-02-2018 13.95 1101 59.2 64.375
17-02-2018 16.416 1101 61.68 64.215
24-02-2018 16.3 1140.4 63.55 64.71
2018年3月3日15.625 1194.8 61.25 65.22
10-03-2018 16.65 1202.2 62.04 65.125
17-03-2018 15.6 1166.6 62.34 64.99
24-03-2018 16.6 1122.8 65.88 64.99
31-03-2018 17.85 1100 64.94 65.115

代码



#ARIMA
# fit model1
covariates=c("BDI_MA","Crude_Oil_Price","USD_INR")
fit=auto.arima(train[,"L1_BID_PRICE"],xreg = train[,covariates])
fit
summary(fit)
fit$aic
fit$residuals

# forecast1
fcast <- forecast(fit, xreg = test[, covariates])
autoplot(fcast)

# fit model2
covariates=c("BDI_MA_log","Crude_Oil_Price_log","USD_INR_log")
fit=auto.arima(train[,"L1_BID_PRICE_log"],xreg = train[,covariates])
fit
summary(fit)
fit$aic
fit$residuals

# forecast2
fcast <- forecast(fit, xreg = test[, covariates])
autoplot(fcast)
accuracy(fcast)

与此同时，我有几个疑问：

为了声明协变量，我想使用USD_INR，Crude_Oil_Price和Baltic_Dry_Index的对数转换版本还是直接使用它们？
在预测时，是否应该对响应变量进行对数转换？

Answer 1

好像您正在测试加性（第一）和乘法（第二）回归模型。对于乘法回归模型，应将响应变量进行对数转换，并根据对数转换后的变量计算统计量

使用auto.Arima（）从回归进行预测并定义xreg

1 个答案: