Jak osiągnąć ściśle pozytywne prognozy?

15

Pracuję nad szeregiem czasowym, którego wartości są ściśle pozytywne . Pracując z różnymi modelami, w tym AR, MA, ARMA itp., Nie mogłem znaleźć łatwego sposobu na osiągnięcie ściśle pozytywnych prognoz.

Używam R do robienia moich prognoz, a wszystko, co mogłem znaleźć, to Prognoza.hts {hts}, który ma dodatni parametr opisany tutaj:

Prognozuj hierarchiczny lub zgrupowany szereg czasowy, pakiet hts

## S3 method for class 'gts':
forecast((object, h,
  method = c("comb", "bu", "mo", "tdgsf", "tdgsa", "tdfp", "all"),
  fmethod = c("ets", "rw", "arima"), level, positive = FALSE,
    xreg = NULL, newxreg = NULL, ...))

positive
    If TRUE, forecasts are forced to be strictly positive

http://www.inside-r.org/packages/cran/hts/docs/forecast.gts

Wszelkie sugestie dotyczące niehierarchicznych szeregów czasowych? A co z generalizacją przy użyciu innych ograniczeń, takich jak minimum, maksimum itp.?

Nawet jeśli nie zostaną zaimplementowane w języku R, mile widziane będą sugestie dotyczące artykułów, modeli lub pomocnych transformacji zmiennych ogólnych.

Ho1
źródło
3
Jedną z najłatwiejszych, ale nie zawsze prawidłowych rzeczy do zrobienia w takim przypadku, jest po prostu prognozowanie dziennika zmiennej.
mpiktas
4
Aby częściowo echo @mpiktas jednym podejściem jest praca w skali dziennika. W praktyce często poprawia to kilka aspektów modelu jednocześnie. Podczas gdy przedziały prognozowania zmieniają się z powrotem dobrze, musisz uważać na średnie prognozy (jeśli normalność jest rozsądna na dziennikach, możesz uzyskać oszacowanie średniej logarytmicznej, która jest zwykle rozsądna, jeśli wielkości próbek są duże). Alternatywą, która czasami może działać w przypadku niektórych prostych modeli szeregów czasowych, jest użycie modelu Gamma.
Glen_b

Odpowiedzi:

13

W forecastpakiecie dla R wystarczy ustawić lambda=0przy montażu modelu. Na przykład:

fit <- auto.arima(x, lambda=0)
forecast(fit)

lambdalambdaλ=0lambda=0

Więcej informacji można znaleźć na stronie http://www.otexts.org/fpp/2/4 .

Rob Hyndman
źródło
Dziękuję Prof. Hyndman za życzliwą pomoc. Myślę, że powinienem poważnie przeczytać ten rozdział! Czy uważasz, że wspomnienie o tym w rozdziale 2-4 może pomóc? Chyba tak! :-) Pozostają mi pytania: czy można zastosować jakąś transformację dla minimalnych (lub maksymalnych) możliwych wartości? Próbuję to zrobić za pomocą funkcji opartej na dzienniku, ale czy mimo wszystko wynikający z tego przedział ufności jest matematycznie poprawny?
Ho1
1
Zadaj pytanie min / maks oddzielnie. Tak, przedziały prognozowania są poprawne po przekształceniu wstecznym.
Rob Hyndman,
1
@ Ho1 Analiza zastosowanych szeregów czasowych do prognozowania menedżerskiego przez NELSON; Holden-Day 1973 pp162-165 szczegółowo to omawia ... z różnorodną opinią
IrishStat
Niestety nie zadziałało zgodnie z oczekiwaniami, ponieważ zmieniło metodę, a zamiast ładnej oczekiwanej odmiany y prognoz, po prostu zrobiło płaską linię wokół średniej
Diego Duarte