如何在 R 中预测多个公司的时间序列？

Question

我有一个跨越 5 年的数据框，其中包含约 500 家公司和几个基本统计数据（例如销售额、#员工数、ROA）。这是一个看起来如何的示例。请注意，所有数字都是完全随机选择的，显然年份除外。

Name	Year	Sales	Size	ROA
Firm A	2020	857	12000	0.45
Firm B	2020	112	3500	0.32
Firm C	2020	666	7000	0.44
Firm A	2019	860	12000	0.47
Firm B	2019	150	3000	0.31
Firm C	2019	700	6000	0.44
...	...	...	...	...
Firm A	2015	560	10000	0.47
Firm B	2015	100	2000	0.31
Firm C	2015	300	4000	0.44

您建议我如何尝试预测每家公司的 2021 年 ROA，并考虑 5 年（2015 年 - 2020 年）的跨度？我试着玩弄forecast 包。但是，我还没有找到对所有公司进行批量操作的方法。我希望最终得到这样的结果：

Name	Year	predicted ROA
Firm A	2021	0.50
Firm B	2021	0.35
Firm C	2021	0.43

我会非常感谢任何线索！

Answer 1

实际上有很多方法可以做到这一点。我的以下解决方案可能有点矫枉过正，不是预测您的问题的理想方法，但只是用于时间序列预测的可扩展模型工作流的表示。

查看下面的代码，如果它给你一些有趣的结果，请告诉我。一旦习惯了 tidymodels 堆栈和 modeltime 框架，这种数据就会变得很容易处理。

suppressPackageStartupMessages(library(tidyverse))
suppressPackageStartupMessages(library(tidymodels))
suppressPackageStartupMessages(library(modeltime))
suppressPackageStartupMessages(library(modeltime.ensemble))


#### DATA

h = 1

data <- data.frame(
  id = rep(paste("Firm",c("A","B","C")),6),
  date = rep(2015:2020, rep(3,6)),
  value = runif(18)
)

data <- data %>% 
  pivot_wider(names_from = id, values_from = value)

data <- reshape2::melt(data, id.var='date')
dates <- ymd("2015-01-01")+ years(0:5)
dates <- rep(dates,3)
data$date <- dates
names(data)[2] = "id"

data <- data %>%
  group_by(id) %>%
  future_frame(
    .length_out = h,
    .bind_data  = TRUE) %>%
  ungroup() %>% 
  as_tibble() 

# training- and test set
data_splits <- time_series_split(data, assess = "1 year", cumulative = TRUE)



#### PREDICT

model_fit_glmnet <- linear_reg(penalty = 1) %>%
  set_engine("glmnet") %>%
  fit(value ~ ., data = training(data_splits))

model_fit_xgboost <- boost_tree("regression",  learn_rate = 0.35) %>%
  set_engine("xgboost") %>%
  fit(value ~ ., data = training(data_splits))

ensemble <- modeltime_table(
  model_fit_glmnet,
  model_fit_xgboost
) %>%
  ensemble_weighted(loadings = c(4, 6)) 

model_tbl <- modeltime_table(ensemble)

forecast <-
  model_tbl %>%
  modeltime_forecast(
    new_data    = testing(data_splits),
    actual_data = data,
    keep_data = T
  ) %>%
  group_by(id)  


# change layout
forecast <- forecast %>% filter(str_detect(.key,  "prediction")
)
forecast <- forecast[,c(4,5,6)]

Answer 2

fable 包是为这类事情设计的。这是一个模拟问题中数据结构的人工示例。

library(tidyverse)
library(fable)
# Synthetic data
df <- tibble(
  Name = rep(paste("Firm",c("A","B","C")),6),
  Year = rep(2015:2020, rep(3,6)),
  ROA = runif(18)
)
# Turn it into a tsibble object
df_ts <- df %>%
  as_tsibble(index=Year, key=Name)
# Forecast each firm
fc <- df_ts %>%
  model(ARIMA(ROA)) %>%
  forecast(h=1)
fc
#> # A fable: 3 x 5 [1Y]
#> # Key:     Name, .model [3]
#>   Name   .model      Year           ROA .mean
#>   <chr>  <chr>      <dbl>        <dist> <dbl>
#> 1 Firm A ARIMA(ROA)  2021 N(0.52, 0.14) 0.517
#> 2 Firm B ARIMA(ROA)  2021 N(0.59, 0.07) 0.587
#> 3 Firm C ARIMA(ROA)  2021 N(0.52, 0.11) 0.522

^{由reprex package (v2.0.1) 于 2021 年 10 月 26 日创建}

这里我使用了 ARIMA 模型，但也可以使用许多其他模型。请参阅我在https://OTexts.com/fpp3 的教科书，了解许多将寓言与 ARIMA 和其他模型结合使用的示例。

Answer 3

我喜欢使用 mgcv::gam 进行预测。
我使用了最简单的模型，其中 ROA 仅取决于名称和年份的平滑函数。
您需要增加 k，具体取决于您拥有的数据量（默认为 10）。
by 变量用于按名称拆分模型。

df <- structure(list(Name = c("Firm A", "Firm B", "Firm C", "Firm A", 
                        "Firm B", "Firm C", "Firm A", "Firm B", "Firm C"), 
                     Year = c(2020L, 2020L, 2020L, 2019L, 2019L, 2019L, 2015L, 2015L, 2015L), 
                     Sales = c(857L, 112L, 666L, 860L, 150L, 700L, 560L, 100L, 300L), 
                     Size = c(12000L, 3500L, 7000L, 12000L, 3000L, 6000L, 10000L, 2000L, 4000L), 
                     ROA = c(0.45, 0.32, 0.44, 0.47, 0.31, 0.44, 0.47, 0.31, 0.44)), 
                row.names = c(NA, -9L), class = "data.frame")
gamfit <- mgcv::gam(formula = ROA ~ Name + s(Year, k = 3, by = as.factor(Name)), data = df)
summary(gamfit)
predict_df <- data.frame(Name = sort(unique(df$Name)), 
                         Year = 2021L)
predict_df$ROA <- predict(gamfit, newdata = predict_df)

predict_df
    Name Year       ROA
1 Firm A 2021 0.3969841
2 Firm B 2021 0.4098413
3 Firm C 2021 0.4055556