R：带有每日数据的 Holt-Winters（预测包）答案

【问题标题】：R: Holt-Winters with daily data (forecast package)R：带有每日数据的 Holt-Winters（预测包）
【发布时间】：2014-03-01 11:34:16
【问题描述】：

在以下示例中，我尝试对每日数据使用 Holt-Winters 平滑处理，但遇到了几个问题：

# generate some dummy daily data
mData = cbind(seq.Date(from = as.Date('2011-12-01'), 
         to = as.Date('2013-11-30'), by = 'day'), rnorm(731))

# convert to a zoo object
zooData = as.zoo(mData[, 2, drop = FALSE], 
                 order.by = as.Date(mData[, 1, drop = FALSE], format = '%Y-%m-%d'),
                 frequency = 7)

# attempt Holt-Winters smoothing
hw(x = zooData, h = 10, seasonal = 'additive', damped = FALSE, 
   initial = 'optimal', exponential = FALSE, fan = FALSE)

# no missing values in the data
sum(is.na(zooData))

这会导致以下错误：

ets(x, "AAA", alpha = alpha, beta = beta, gamma = gamma, 阻尼 = 阻尼，：你一定是在开玩笑。我需要更多数据！ 在另外：警告消息：在 ets(x, "AAA", alpha = alpha, beta = beta, gamma = gamma, damped = damped, : 遇到缺失值。 使用时间序列中最长的连续部分

强调我的。

几个问题： 1. 缺失值从何而来？ 2. 我假设“需要更多数据”源于尝试估计 365 个季节性参数？

更新 1：

根据 Gabor 的建议，我为整数为周的数据重新创建了一个小数索引。

我有几个问题。
1. 当假设周期性为每周时，这是否是处理每日数据的合适方式？
2. 在处理日常数据时，有没有更优雅的方式来处理日期？

library(zoo)
library(forecast)

# generate some dummy daily data
mData = cbind(seq.Date(from = as.Date('2011-12-01'), 
                       to = as.Date('2013-11-30'), by = 'day'), rnorm(731))

# conver to a zoo object with weekly frequency
zooDataWeekly = as.zoo(mData[, 2, drop = FALSE], 
                 order.by = seq(from = 0, by = 1/7, length.out = 731))


# attempt Holt-Winters smoothing
hwData = hw(x = zooDataWeekly, h = 10, seasonal = 'additive', damped = FALSE, 
   initial = 'optimal', exponential = FALSE, fan = FALSE)
plot(zooDataWeekly, col = 'red')
lines(fitted(hwData))

【问题讨论】：

您已指定频率为 7，因此它在每对点之间填充 6 个 NA 以满足指定的要求。
@G.Grothendieck 我一发帖就意识到了这一点。 :) 我想我的问题真的是我可以使用hw() 函数来提取带有每日数据的每周季节性吗？ ts 需要哪些属性才能做到这一点？
时间应该以周而不是天来衡量，例如连续观察的次数可以是 0, 1/7, 2/7, ...
@G.Grothendieck 已更新。如果你能看看会很棒。
是的，没关系。可以交替使用zooreg(mData[, 2], 0, freq = 7) 或ts(mData[, 2], start = 0, freq = 7)。

标签： r zoo forecasting

【解决方案1】：

hw 需要 ts 对象而不是 zoo 对象。使用

zooDataWeekly <- ts(mData[,2], frequency=7)

除非有充分的理由准确指定模型，否则通常最好让 R 为您选择最佳模型：

fit <- ets(zooDataWeekly)
fc <- forecast(fit)
plot(fc)

【讨论】：

罗布，感谢您的回答。我倾向于使用 zoo，因为它更容易指定并根据需要强制转换为 ts。在您的回答和 Gabor 的回答之间，我有一个未回答的问题，那就是在声明频率时如何正确处理 ts 对象中的日期。我倾向于期望大多数函数会保留传递给它们的 zoo 对象的日期。
不幸的是 ts 不擅长处理日期，除非以年为单位指定时间段（而不是这里的周数）。
hw 将其第一个参数转换为ts，因此只要您确保它转换为适当的 ts 对象，任何具有as.ts 方法的时间序列类都可以。 zoo 和 zooreg 确实有 as.ts 方法。您可以尝试 as.ts(z) 其中 z 是 zoo 或 zooreg 对象只是为了检查。