Po przeczytaniu postów na tej stronie wiem, że jest funkcja R auto.arima
(w forecast
pakiecie ). Wiem również, że IrishStat , członek tej witryny, zbudował pakiet komercyjny autobox na początku lat 80. Ponieważ te dwa pakiety istnieją dzisiaj i automatycznie wybierają modele arima dla danych zestawów danych, co robią inaczej? Czy prawdopodobnie stworzą różne modele dla tego samego zestawu danych?
time-series
arima
automatic-algorithms
Michael R. Chernick
źródło
źródło
auto.arima
funkcje w innych pakietach, ale na pewno jest jednaforecast
, której opis brzmi: „Zwraca najlepszy model ARIMA zgodnie z na wartość AIC, AICc lub BIC. Funkcja przeprowadza wyszukiwanie możliwego modelu w ramach podanych ograniczeń zamówienia. ”Odpowiedzi:
michael / wayne
AUTOBOX zdecydowanie dostarczy / zidentyfikuje inny model, jeśli zostanie spełniony co najmniej jeden z poniższych warunków
1) dane zawierają impulsy
2) w danych jest co najmniej 1 zmiana poziomu / kroku
3) jeśli w danych występują pulsacje sezonowe
4) w danych występuje 1 lub więcej trendów czasu lokalnego, które nie są po prostu usuwane
5) jeśli parametry modelu zmieniają się w czasie
6) jeśli wariancja błędów zmienia się w czasie i żadna transformacja mocy nie jest wystarczająca.
Jeśli chodzi o konkretny przykład, sugeruję, abyście oboje wybrali / stworzyli szereg czasowy i umieścili je w Internecie. Użyję AUTOBOX do analizy danych w trybie nienadzorowanym i opublikuję modele na liście. Następnie uruchamiasz program R, a następnie każdy z was dokonuje osobnej obiektywnej analizy obu wyników, wskazując podobieństwa i różnice. Wyślij te dwa modele wraz ze wszystkimi dostępnymi materiałami pomocniczymi, w tym ostatecznymi warunkami błędu, do moich komentarzy. Podsumuj i zaprezentuj te wyniki na liście, a następnie poproś czytelników z listy o GŁOSOWANIE, dla której procedury wydaje im się najlepsza.
źródło
Reprezentują dwa różne podejścia do dwóch podobnych, ale różnych problemów. Napisałem,
auto.arima
a @IrishStat jest autoremAutobox
.auto.arima()
pasuje do (sezonowych) modeli ARIMA, w tym do warunków znoszenia.Autobox
pasuje do modeli z funkcją przenoszenia, umożliwiających przenoszenie poziomów i wartości odstające. Model ARIMA to specjalny przypadek modelu funkcji przenoszenia.Nawet jeśli wyłączysz przesunięcia poziomu i wykrywanie wartości odstających
Autobox
, uzyskasz inny model ARIMA zauto.arima()
powodu różnych wyborów sposobu identyfikacji parametrów ARIMA.W moich testach na danych konkurencji M3 i M,
auto.arima()
produkuję dokładniejsze prognozy niżAutobox
dla tych danych.Autobox
Lepiej jednak będzie z danymi zawierającymi duże wartości odstające i zmiany poziomów.źródło
EDYCJA: Według twojego komentarza, uważam, że jeśli wyłączysz wiele
autobox
opcji, prawdopodobnie uzyskasz podobną odpowiedźauto.arima
. Ale jeśli tego nie zrobisz, a przy wartościach odstających na pewno będzie różnica:auto.arima
nie zależy na wartościach odstających, a jednocześnieautobox
je wykryje i odpowiednio się z nimi obchodzi, co dałoby lepszy model. Mogą występować również inne różnice i jestem pewien, że IrishStat może je opisać.Wierzę, że
autobox
wykrywa wartości odstające i inne rzeczy poza szukaniem najlepszych współczynników AR, I i MA. Jeśli to prawda, wymagałoby to więcej analiz i kilku innych funkcji R, aby mieć podobną funkcjonalność. I IrishStats jest cennym członkiem tej społeczności i bardzo przyjazny.Oczywiście R jest darmowy i może robić bazilliony rzeczy poza ARIMA.
Innym wyborem, który jest bezpłatny dla ARIMA w stylu ekonomicznym, jest
X13-ARIMA SEATS
US Census Bureau, które jest open source. Istnieją pliki binarne dla systemu Windows i Linux, ale skompilowano je bezpośrednio na moim komputerze Mac, biorąc pod uwagę, że już załadowałem kompilator gfortran gnu. Jest następcąX12-ARIMA
i został wydany w ciągu ostatnich kilku dni, po latach rozwoju i testowania. (Aktualizuje X12, a także dodaje funkcje SEATS / TRAMO. X12 jest oficjalnym narzędziem USA, natomiast SEATS / TRAMO pochodzi z Banku Hiszpanii i jest „narzędziem europejskim”).Bardzo podoba mi się X12 (a teraz X13). Jeśli wydasz sporo diagnostyki, zapoznasz się z nimi i dowiesz się, co mają na myśli, są to właściwie dość dobre wykształcenie w ARIMA i szeregach czasowych. Opracowałem własny obieg pracy, ale istnieje pakiet R
x12
do wykonywania większości prac z poziomu R (nadal musisz utworzyć plik modelu wejściowego („.spc”) dla X12).Mówię, że X12 jest dobry w ARIMA w „stylu ekonomicznym”, co oznacza dane miesięczne z danymi z ponad 3 lat. (Aby korzystać z niektórych funkcji diagnostycznych, potrzebujesz ponad 5 lat danych). Posiada funkcję identyfikacji wartości odstających, może obsłużyć wszystkie specyfikacje wartości odstających, a także porady, dni wolne od pracy, efekty dnia handlowego i wiele innych rzeczy ekonomicznych. Jest to narzędzie, którego używa rząd USA do tworzenia sezonowych danych.
źródło
autobox
, otrzymasz tę samą odpowiedź. Ale jednym z punktów użyciaautobox
jest to, że wykryje wartości odstające i potraktuje je jako takie, więc zwrócony model byłby inny, gdyby były wartości odstające.