Chciałbym przeprowadzić prognozę opartą na modelu szeregowym ARIMA z szeregiem czasowym z wieloma zmiennymi egzogenicznymi. Ponieważ nie jestem tak zręczny, jeśli chodzi o brak statystyk, ani RI nie chcę, aby utrzymanie było tak proste, jak to możliwe (wystarczająca jest prognoza trendów na 3 miesiące).
Mam 1 zależne szeregi czasowe i 3-5 szeregów czasowych predykcyjnych, wszystkie dane miesięczne, brak przerw, ten sam „horyzont czasowy”.
Zetknąłem się z funkcją auto.arima i zadałem sobie pytanie, czy byłoby to odpowiednie rozwiązanie dla mojego problemu. Mam różne ceny towarów i ceny produktów z nich wykonanych. Wszystkie nieprzetworzone dane są niestacjonarne, ale dzięki różnicowaniu pierwszego rzędu wszystkie stają się danymi stacjonarnymi. ADF, KPSS wskazują to. (Oznacza to, że testowałem pod kątem integracji, prawda?).
Moje pytanie brzmi teraz: w jaki sposób mogę to zastosować za pomocą funkcji auto.arima ORAZ czy ARIMA to właściwe podejście? Niektórzy ppl już doradzili mi użycie VAR, ale czy jest to również możliwe z ARIMA?
Poniższa tabela to moje dane. Właściwie zestaw danych idzie w górę do 105 obserwacji, ale pierwsze 50 zrobi. Interesujące są oczywiście zarówno trendy, jak i sezonowość.
Dziękujemy za wszelkie porady i pomoc! Georg
źródło
Odpowiedzi:
Aby
auto.arima()
pracować z zewnętrznymi regresorami, zbierz swoje regresory do macierzyX
, którą wprowadzasz doxreg
parametruauto.arima()
. (OczywiścieX
musi mieć tę samą liczbę wierszy, coy
modelowane szeregi czasowe ).Do prognozowania potrzebne będą przyszłe wartości regresorów, które następnie ponownie wprowadzisz do
xreg
parametruforecast
.Strony pomocy są
?auto.arima
i?forecast.Arima
(zwróć uwagę na wielką literę A - to nie jest literówka. Nie pytaj mnie ...).źródło