时间序列平滑，避免修改

Question

这次我的问题比方法论更具技术性。我有每周时间序列数据，每周更新一次。不幸的是，时间序列非常不稳定。因此，我想应用滤波器/平滑方法。我试过Hodrick-Prescott和LOESS。这两个结果看起来都不错，随着经济衰退，如果跟随一个与历史数据点强烈分歧的新数据点，那么旧值必须修改/正在改变。有人知道在R中实现的方法，它可以做我想要的吗？方法/函数的名称可能完全足够。然而，它应该是比左侧移动平均线更复杂的东西，因为我不想在时间序列的开头丢失数据。每个帮助评论都表示赞赏！非常感谢你！

致以最诚挚的问候，

安德烈亚斯

Answer 1

我认为（？）您可能正在寻找的术语是因果过滤，即不依赖于未来值的过滤。在此类别中，最简单/最知名的方法可能是指数平滑，它在forecast和expsmooth包（library("sos"); findFn("{exponential smoothing}")）中实现。

这有帮助吗？

Answer 2

看起来你需要一个强大的双面平滑器。问题是，终点的异常值与趋势的突然变化无法区分。只有在收集到更多的观察结果之后，它才变得明显是异常值（即使这样，也需要对趋势平滑性做出一些强有力的假设）。

我认为你会发现很难比loess()做得更好，但其他旨在进行稳健平滑的功能包括

• smooth()代表Tukey的顺利者;
• supsmu()弗里德曼的超级流畅;

Hodrick-Prescott平滑对异常值不稳定。