预测时间序列中的累积变量

Question

我正在尝试建立一个基于永不减少的累积变量的时间序列模型。

我很想知道 observable 何时会达到某个值（即何时与下图中的蓝线相交）。

橙色线固定到最后一个已知数据点，并根据最后 5 个可观察数据的平均值增加。

红线不是固定的，表示基于最后 5 个可观察值的线性拟合。这似乎是有问题的，因为在图中的时间段 108 中，预测值小于上一个时间段的可观察值，这在物理上永远不会发生。

绿线不固定，表示基于所有可观察的线性拟合。

我想知道是否有人可以建议一种替代/更好的方法来模拟这种情况。

Answer 1

我同意@Imo。

我建议如下： 您可以使用所有数据或适当的子集（最后 5 个观察值）估计每个时间段的线性增长。然后，使用时间段 107 中的观测值预测样本外时间段的值。 例如，如果您每个时间段的增量为 20 (dx/dt)，并且您在时间 T 的最后一次已知观测值为 200 (x)，那么在时间 T + 1 时 x 将为 220。

因此，您将在绿线上应用您的解决方案，但稍微上移一点以从最后一次观察开始。