如何进行每日预测

Question

我每天为 SALES 进行时间序列。我有数据集，每天都有数据。 （格式 01.11.2015-29.11.2015）。示例如下：

dput
DAY        STORE    ART     SALES
01.11.2015  1534    343533  62.5000
01.11.2015  25039   20490   686.4480
01.11.2015  1612    295206  185.0000
01.11.2015  1053    16406274    32.5000
01.11.2015  1612    49495   143.1196
01.11.2015  961 15309949    50.9000

如何一次对所有店铺和ART进行预测，如何将我的分析拆分为两个因素？

#

library('ggplot2')
library('forecast')
library('tseries')


mydat=read.csv("C:/Users/synthex/Downloads/sales.csv", sep=";",dec=",")
View(mydat)
str(mydat)


count_ts = ts(mydat[, c('SALES')])
View(count_ts)

mydat$clean_cnt = tsclean(count_ts)



mydat$cnt_ma = ma(mydat$clean_cnt, order=7) # using the clean count with no outliers
mydat$cnt_ma30 = ma(mydat$clean_cnt, order=30)

count_ma = ts(na.omit(mydat$cnt_ma), frequency=30) 
decomp = stl(count_ma, s.window="periodic")
deseasonal_cnt <- seasadj(decomp)
plot(decomp) 


adf.test(count_ma, alternative = "stationary") 



auto.arima(deseasonal_cnt, seasonal=FALSE)


fit<-auto.arima(deseasonal_cnt, seasonal=FALSE)

tsdisplay(residuals(fit), lag.max=45, main='(1,1,0) Model Residuals')



fit2 = arima(deseasonal_cnt, order=c(1,1,7))


fcast <- forecast(fit2, h=1)

Answer 1

假设您的数据实际上是由 ART by STORE 汇总的，并且您想通过单一方法查找所有 STORE 的所有 ART 类别的预测，是否公平？如果是这种情况，我相信您需要的是 R 中 hts 包的功能。它将同时为所有 ART 和 STORE 提供预测，并提供绘图功能。您需要在 STORE 下提供 ART 的“分组矩阵”以及 TOTAL SALES 假设。如果不知道组结构，就不可能提供示例代码。

Answer 2

D.乔，

您没有正确指定 start 参数。如果您查看?ts，这就是文档中有关上述论点的内容。

开始：
第一次观察的时间。单个数字或两个整数的向量，指定自然时间单位和 (1-based) 进入时间单位的样本数。请参阅示例 第二种形式的使用。

如果您想在特定的一天开始，这不是这样做的方法。您可以在此处查看如何管理此特定场景

starting a daily time series in R

无论如何，Holt Winters 并不是处理日常数据的最佳选择。您使用这种方法有什么特别的原因吗？您可以在此处找到一些处理日常数据的方法。

R: Holt-Winters with daily data (forecast package)