R预测高度季节性的收入数据

Question

我有三年的每日收入数据。每年有一些相当稳定的数据增长，但数据是高度季节性的，在第四季度（黑色星期五，在圣诞节疯狂之前等）和周内seansonaly（周一收入高，本周越来越少，最低）出现巨大高峰星期六，星期天开始接收）

我不想使用带有线性预测的无聊电子表格，而是想要一个R脚本，它需要输入三年的每日数据并应用算法来预测未来6个月的每日收入预测。我希望输入只是一个包含日期和收入数字的CSV文件。

我听说ARIMA很好，但我的经济学家朋友看到我的数据认为用卡尔曼滤波器预测会产生非常好的结果。

有人可以发布一个脚本来向我展示如何应用ARIMA算法或卡尔曼滤波器算法来预测我的数据吗？谢谢！

Answer 1

虽然R肯定有实施这些分析的工具，但它们是电动工具，如果你阅读它们以及它们如何工作，它可能是最好的...（Venables和Ripley的现代应用统计在S < / em>可能是一个合理的起点，虽然我不知道它是否讨论了卡尔曼滤波器）。与此同时：

??arima
??kalman
?arima
?KalmanLike

或者，安装了sos包：

library("sos")
findFn("arima forecast")
findFn("kalman forecast")

或者只是Google“kalman过滤器R”（!!） - 我做了，发现前8个（！）命中看起来非常有用（第9个是介绍MATLAB中的卡尔曼滤波器:-)）

其他人可能会有不一样的感受，但是当我看到他们已经尝试过为自己解决问题时，我通常会花更多的精力来帮助某人通过分析工作......

Answer 2

这应该使用回归来解决。对于星期几的影响，您将有6个虚拟变量。对于季节性，您将有11个月的虚拟变量。你会为每个假期都有虚拟变量。