去风化时间序列答案

【问题标题】：Deweatherize time series去风化时间序列
【发布时间】：2014-03-16 01:23:06
【问题描述】：

有没有人尝试对时间序列数据进行去风化？ Deweatherize 意味着从数据中去除天气影响。我们很难将该变量纳入时间序列？有人对如何在时间序列中使用变量有任何经验吗？比如经济、季节效应等等。

Bolger band 是解决问题的一种技术。我们仍在研究，但我想听听其他人的意见。

【问题讨论】：

您必须更加具体才能获得有意义的答案。所有这些术语都追溯到planalytics.com/Content183.phtml。这更像是一个关于特定公司服务的问题，而不是一般的数学问题。
@Hans 我已经编辑了我的评论。如果我还需要更具体，请告诉我。您是否有过消除时间序列数据中的影响的经验？
什么样的时间序列？你知道什么机制会导致天气影响数据吗？效果将主要是线性的还是高度非线性的？效果是立竿见影还是有一定的滞后发生，如果有滞后，它会是一个恒定的时间跨度吗？
@McG 在下面查看我的答案。

【解决方案1】：

我无法在框上添加评论。这就是我在这里回答的原因。

时间序列具有时间相关的销售额。现在我们正在尝试在该时间序列中添加天气。

例如：1.06 的天气变量意味着我们的销售额比预期的多 6%，因为天气原因。

这个天气变量没有滞后，因为我们正在尝试对历史数据进行去风化。

【讨论】：