使用动态 ARIMA 预测未来答案

【问题标题】：Forecasting into the future with dynamic ARIMA使用动态 ARIMA 预测未来
【发布时间】：2020-04-27 04:40:26
【问题描述】：

假设我正在尝试使用动态 ARIMA 回归预测变量 y 未来四个月。我提前知道这四个月的 xreg 变量。我不完全确定 forecast 函数如何进行预测，例如我可以用缺失的 y 值来喂它吗？如果只喂它那几个月的 xreg，它会自动假设我正在尝试预测训练期后的四个月？

下面的代码对预测未来四个月有意义吗？

library(dplyr)
library(fable)
library(tsibble)

set.seed(1)
r <- rnorm(36)
r2 <- rnorm(4)
x <- data.frame(index = yearmonth(seq.Date(as.Date("2017-01-01"),
                                           as.Date("2020-04-01"),
                                           "1 month")),
                y = cumprod(c(r, rep(NA, 4))),
                a = c(1.8 * r + rnorm(36), 1.8 * r2 + rnorm(4)),
                b = c(0.5 * r + rnorm(36), 1.5 * r2 + rnorm(4))) %>% 
  as_tsibble()


a1 <- x %>% 
  model(ARIMA(y ~ a + b))

a1 %>% forecast(x[37:40, ])

【问题讨论】：

标签： r forecasting arima fable-r

【解决方案1】：

不，预测函数将假定您要预测训练数据之后的月份。如果您的训练数据以缺失观测值结束，这仅意味着它是从最后一个可用观测值开始预测，一直到缺失时段，然后进入训练数据之后的时段。

这里有一些代码可以做你想做的事情。

x %>%
  filter(index <= yearmonth("2019 Dec")) %>%
  model(ARIMA(y ~ a + b)) %>%
  forecast(new_data = filter(x, index > yearmonth("2019 Dec")))

【讨论】：