我正在使用销售的时间序列数据，其中有5种产品A，B，C，D，E，总收入是所有5种产品的收入总和。我的目标是
1）预测下个月我的总收入
2）按产品划分的总收入（每种产品的收入）。
对于第一部分，我使用ARIMA模型来预测下个月的总收入，并且该模型的工作精度相当高。例如，我可以预测，到2019年8月，总收入将达到15万美元。
第二部分，我不知道该如何分解。例如对于$ 150k的细分是产品A：$ 20k，产品B：$ 25k，产品C：$ 50k，产品D：$ 15k，产品E：$ 40k。如果不是一个单一的数字，那么也可以放心使用。
我考虑过的几种方法：
i）为每个产品建立时间序列模型（由于单个产品的数据不足而无法使用）
ii）我认为这个问题是朴素贝叶斯的反面，确定哪个特征最可能是给定响应变量的原因？
要理解该问题，请考虑下表（虚拟值），其中Total是响应变量，我可以很好地预测它。我希望对最后一行进行明智的产品细分。
Month A B C D E Total 18-Jan 546 174 46 284 58 1108 18-Feb 83 257 137 121 425 1023 18-Mar 122 378 505 468 228 1701 18-Apr 454 356 427 424 523 2184 18-May 304 501 318 68 411 1602 18-Jun 530 150 579 100 298 1657 18-Jul 67 408 219 217 59 970 18-Aug 347 166 174 327 129 1143 18-Sep 241 539 285 513 566 2144 18-Oct 385 17 487 354 409 1652 18-Nov 333 358 304 125 292 1412 18-Dec 449 278 595 154 451 1927 19-Jan 228 260 175 55 414 1132 19-Feb 10 202 82 511 299 1104 19-Mar 423 328 278 509 230 1768 19-Apr 15 63 581 85 440 1184 19-May 438 230 467 92 409 1636 19-Jun ? ? ? ? ? 1372
有什么建议吗？