使用 R 进行多元预测（包 MTS 和 portes）答案

【问题标题】：Multivariate forecasting with R (package MTS and portes)使用 R 进行多元预测（包 MTS 和 portes）
【发布时间】：2015-12-22 15:01:49
【问题描述】：

我正在尝试模拟向量/多变量 ARMA 过程并对其进行预测。

我知道我可以使用 VARMAsim（在 MTS 包中）或 varima.sim（在 portes 包中）进行模拟。假设我模拟了一个长度为 n = 300 的 VARMA Z = (Z1, Z2)。可以使用 invertQ（在包 portes 中）检查平稳性和可逆性。

使用函数 VARMA（在 MTS 包中）我可以使用 VARMA 模型拟合模拟数据 Z。输出给了我“AR系数矩阵”和“MA系数矩阵”以及aic和bic。

我的问题是：

如何选择 VARMA 函数拟合所需的顺序 p 和 q？
在单变量情况下，我们有函数 predict(object, n.ahead, ...) 来预测未来值。在多变量情况下，哪个函数可以做到这一点？

谢谢

编辑：

选择 AR 和 MA 订单

在 MTS 包中，我找到了函数 Eccm（扩展互相关矩阵），可用于识别 AR 和 MA 订单。该函数为我们提供向量时间序列的多元 Ljung-Box 统计量的 p 值。

Eccm(zt, maxp = 5, maxq = 6, include.mean = FALSE, rev = TRUE)

但我不知道如何从输出表中选择 p 值？例如我有下表（对不起，我不知道如何制作表格）：

扩展互相关矩阵的 p 值表：
专栏：MA 订单
行 : AR 订单
-------- 0 -------- 1 ------- 2 ------- 3 ------ 4 ------ 5 ------ 6
0 --- 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
1 --- 强> 0.0000 0.6159 0.8570 0.9127 0.7225 0.4764 0.7629
2 --- 0.3262 0.6724 0.8356 0.1448 0.9848 0.9801 0.9848
3 --- 0.9180 0.9848 0.9180 0.9882 0.9180 0.9848 0.8937 0.9934 0.9984
4 --- 0.9473 0.9340 0.8216 0.9739 0.9864 0.9996 0.9962
5 --- 0.9861 0.9331 0.9983 39 1.00000 0.9 1.00000 0.9 p>

我应该选择哪一个？为什么？

在同一个包 (MTS) 中，我找到了函数 VARMApred(...)，它应该是我们上面的预测函数的多元版本。

【问题讨论】：

标签： r

【解决方案1】：

不是一个真正的答案，但是，你试过topepo吗？ http://topepo.github.io/caret/Multivariate_Adaptive_Regression_Splines.html

【讨论】：