R 或其他软件中的加权 ARIMA答案

【问题标题】：weighted ARIMA in R or other softwareR 或其他软件中的加权 ARIMA
【发布时间】：2013-04-02 23:47:50
【问题描述】：

我正在使用 R 中的预测包进行时间序列预测。我有 5 年的历史，想预测接下来的 3 个月。我注意到，如果我在训练集中只使用最近几年的 2-3 年，则预测比使用全部 5 年要好。我相信这是因为 ARIMA 算法在 5 年前发现的模式不再适用于预测未来。

与其完全消除很久以前的数据，是否可以减少这些数据的权重？目前预测中没有这样的选项，但是有没有办法破解这个，或者有替代的软件包吗？

【问题讨论】：

我认为这对于交叉验证来说可能是一个更好的问题。不过，在这些情况下特别有效的一件事是模型平均。以最简单的形式，构建两个模型。第一个将使用最近两三年的数据来估计模型参数；第二个将使用完整的数据集。一旦你有了这两个预测，就将它们结合起来。有许多先进的技术，但简单的平均通常效果很好。

标签： r time-series forecasting

【解决方案1】：

当您的方差发生变化并使用 Tsay 检验进行识别时，加权确实更多。

听起来您可以使用“电平转换”变量（即 0,0,0,0,1,1,1,1,1）。这将允许您仍然保持季节性和星期几的影响，但也可以对均值的变化做出反应。您还应该注意变化异常值、趋势变化和季节性变化，因为星期一可能会变低并变高。您还应该考虑具有领先和滞后影响的假期、一个月中的某天影响和长周末。

Ruey Tsay 跟进 Box 和 Tiao 对异常值的研究，您可以在此处阅读 www.unc.edu/~jbhill/tsay.pdf

既然您问了 - 我们的软件称为 Autobox，它会自动执行这些操作，并于 1976 年推出。
www.autobox.com

【讨论】：

【解决方案2】：

也包含在 AUTOBOX 中的 Chow 测试实际上可以确定任何参数是否在时间上发生了变化。如果您断言过去 2-3 年的 ARIMA 结构与之前的时期不同，AUTOBOX 将建议数据分段。如果您想使用此功能，请联系 Aautomatic Forecasting Systems 的人员。顺便说一句，我已经为他们编写了这些程序。

【讨论】：