时间序列预测：每周与每日预测

Question

我有一些每日时间序列数据。我正在尝试根据历史每日数据集预测接下来的 3 天。

历史数据显示了基于星期几（例如周一、周二等）的明确趋势 周一和周二最高，周三通常最高，然后在一周的剩余时间内下降。

如果我每月或每周对数据进行分组，我肯定可以看到随着时间的推移而增加的趋势。

我的目标是仅预测接下来的 3 天。我的直觉告诉我要采用一种方法，我希望就其他方法的优缺点提供一些反馈。

我的直觉告诉我，最好按周或月对数据进行分组，然后预测下周或月。假设我通过将历史每周数据加载到 ARIMA 中来预测下周的总数，训练、测试和预测下周。在一周内，每个星期通常会占该周总数的 x%。因此，如果从历史上看，周三平均贡献了每周交易量的 50%，而我预计下周为 1000，那么我将预测周三为 500。这是一种常见的方法吗？

或者，我可以将历史每日值加载到 ARIMA 中，训练、测试并让 ARIMA 预测接下来的 3 天。这里最大的区别是整个“每周预测”与“每天预测”。

在时间序列预测领域，这是一个常见的争论吗？如果是这样，也许有人可以提出一些关键词，我可以通过谷歌搜索来了解自己的优缺点？

另外，当星期几是一个因素时，也许有一个建议的算法可以使用？

提前感谢您的任何回复。 丹

Answer 1

这是一个标准的每日时间序列问题，其中存在一周中的某一天的季节性。如果您使用 R，您可以使用 frequency = 7 将时间序列设为 ts 对象，然后使用预测包中的 auto.arima() 对其进行预测。任何其他季节性预测方法也可能适用。