R 中的 Forecast() 函数：它是如何工作的？答案

【问题标题】：Forecast() function in R: how it works?R 中的 Forecast() 函数：它是如何工作的？
【发布时间】：2021-07-21 21:10:09
【问题描述】：

我对 Forecast 包中的 forecast () 函数有疑问。在给定 ARIMAX 模型（使用xreg）的情况下，我正在使用此函数来预测股票的收盘价。 疑问是：在预测时，t时间的收盘价取决于t-1时间的外部回归量还是它（收盘价）价格）取决于时间 t 的外部回归器？换句话说，今天我仍然不知道高价（即），所以今天的收盘价不能取决于今天的高价，而是取决于昨天的高价。这个函数是这样工作还是以不同的方式工作？

我希望我已经清楚了。谢谢！

【问题讨论】：

标签： r forecasting

【解决方案1】：

你可以设置函数像这样工作是的！虽然需要采取一些步骤：

滞后回归器，因为您希望昨天的值解释今天的值
没有回归器的干净值（时间序列的第一个值没有回归器，因为它将用于 ts 的第二个值）
为预测构建回归器
建模和预测

下面我从几个链接中讨论了一些事情，这些链接显示了它是如何完成的，因此应该解释在你的案例中使用回归器的预测如何与预测一起工作：

library(quantmod)
library(forecast)
library(dplyr)

# get some finance data to play with
quantmod::getSymbols("AAPL", from = '2017-01-01',
                     to = "2018-03-01",warnings = FALSE,
                     auto.assign = TRUE)

# I prefer working with df and then convert to ts objects later
new_AAPL <- as.data.frame(AAPL)%>%
    # select close values and lag high values
    dplyr::transmute(AAPL.Close,
                     AAPL.High = lag(AAPL.High)) %>%
    # keep only complete values
    dplyr::filter(across(everything(), ~!is.na(.x)))

# set up new time series, regressor (watch the starting points)
AAPL.Close <- ts(new_AAPL$AAPL.Close, start = as.Date("2017-01-04"), frequency = 365)
AAPL.High <- ts(new_AAPL$AAPL.High, start = as.Date("2017-01-04"), frequency = 365)

# set up the future regressor (last value of original high values
AAPL.futureg <- ts(as.data.frame(AAPL)$AAPL.High[291], start = as.Date("2018-03-02"), frequency = 365)

# I will use a arima model here
modArima <- forecast::auto.arima(AAPL.Close, xreg=AAPL.High)

# forecast with regressor
forecast::forecast(modArima, h = 1, xreg = AAPL.futureg)

我从这里得到信息：

https://www.codingfinance.com/post/2018-03-27-download-price/

https://stats.stackexchange.com/questions/41070/how-to-setup-xreg-argument-in-auto-arima-in-r

【讨论】：

@GDC 如果这就是您要找的东西，请考虑接受我的回答，让其他人知道它已经解决...stackoverflow.com/help/someone-answers
感谢您的回答。我只是需要澄清一些事情。我落后于 xreg 删除最新值结束插入一行零作为第一行（最旧的）。所以假设我有 640 个观察值，我删除了第 640 个并在第 1 点添加了一个新行。但是，结果中发生了一些奇怪的事情。事实上，当我不滞后 xreg 时的预测结果是在时间 1 500 美元（即），但是当我在时间 1 滞后 xreg 时，我有一个不同的值，但在时间 2 我有 500 美元（预测只是移动了大约从 t=1 到 t=2 的 1 个位置，没有任何变化）。你能帮助我吗？有办法在 R 中做到这一点吗？
@GDC 滞后后，您必须删除第一个（也就是最早或最旧的）观察，因为没有可用的 xreg 值（它转到第二个，也就是第二个最早的观察）。将 xreg 中的 generate NA 替换为 0 会“混淆”您的模型（因为您在使用 0 估算时提供了错误信息）。我不知道你的数据，但听起来你确实滞后了，没有删除 xreg 的最后一个（又名最新或 jungest）值，这是在未来（考虑模型），因此只能在 forecast() 函数中使用
@GDC 可能会尝试重现我的代码，然后用您的数据替换输入 (AAPL)，仅使用一个 xreg 变量（相应地调整开始日期等）
谢谢。看来我通过使用shift() 函数解决了问题。