Làm thế nào để đạt được dự báo tích cực nghiêm ngặt?


15

Tôi đang làm việc trên một chuỗi thời gian có giá trị hoàn toàn tích cực . Làm việc với các mô hình khác nhau bao gồm AR, MA, ARMA, v.v., tôi không thể tìm thấy một cách dễ dàng để đạt được các dự báo tích cực nghiêm ngặt.

Tôi đang sử dụng R để thực hiện dự báo của mình và tất cả những gì tôi có thể tìm thấy là dự báo.hts {hts} có tham số dương được mô tả ở đây:

Dự báo chuỗi thời gian phân cấp hoặc nhóm, gói hts

## S3 method for class 'gts':
forecast((object, h,
  method = c("comb", "bu", "mo", "tdgsf", "tdgsa", "tdfp", "all"),
  fmethod = c("ets", "rw", "arima"), level, positive = FALSE,
    xreg = NULL, newxreg = NULL, ...))

positive
    If TRUE, forecasts are forced to be strictly positive

http://www.inside-r.org/packages/cran/hts/docs/forecast.gts

Bất kỳ đề xuất cho chuỗi thời gian không phân cấp? Điều gì về khái quát hóa về việc sử dụng các ràng buộc khác như tối thiểu, tối đa, vv?

Ngay cả khi không được thực hiện trong R, các đề xuất về bài viết, mô hình hoặc các phép biến đổi chung hữu ích sẽ được đánh giá cao.


3
Một trong những điều dễ nhất, nhưng không phải lúc nào cũng đúng trong trường hợp đó chỉ đơn giản là dự báo nhật ký của biến.
mpiktas

4
Để một phần echo @mpiktas một cách tiếp cận là làm việc trên thang đo log. Trong thực tế, điều này thường cải thiện một số khía cạnh của mô hình cùng một lúc. Mặc dù các khoảng dự đoán biến đổi trở lại tốt, bạn phải cẩn thận với các dự báo trung bình (nếu tính quy tắc là hợp lý trên nhật ký, bạn có thể ước tính giá trị trung bình của lognatural thường hợp lý nếu kích thước mẫu lớn). Một cách khác đôi khi có thể hoạt động đối với một số mô hình chuỗi thời gian đơn giản là sử dụng mô hình Gamma.
Glen_b -Reinstate Monica

Câu trả lời:


13

Với forecastgói cho R, chỉ cần đặt lambda=0khi lắp mô hình. Ví dụ:

fit <- auto.arima(x, lambda=0)
forecast(fit)

Nhiều hàm trong gói cho phép lambdađối số. Khi lambdađối số được chỉ định, phép chuyển đổi Box-Cox được sử dụng. Giá trị chỉ định chuyển đổi nhật ký. Vì vậy, cài đặt có nghĩa là dữ liệu đã ghi được mô hình hóa và khi dự báo được tạo, chúng được chuyển đổi trở lại không gian ban đầu.λ= =0lambda=0

Xem http://www.otexts.org/fpp/2/4 để thảo luận thêm.


Cảm ơn giáo sư Hyndman vì sự giúp đỡ của bạn Tôi nghĩ rằng tôi nên đọc lại chương đó một cách nghiêm túc! Bạn có nghĩ rằng đề cập đến điều này trong chương 2-4 có thể giúp đỡ? Tôi nghĩ vậy! :-) Một số câu hỏi vẫn còn cho tôi: Có thể sử dụng một số loại chuyển đổi cho các giá trị tối thiểu (hoặc tối đa) không? Tôi đang cố gắng làm điều này với một hàm dựa trên nhật ký, nhưng sau tất cả là khoảng tin cậy kết quả có đúng về mặt toán học không?
Ho1

1
Vui lòng hỏi riêng câu hỏi tối thiểu / tối đa. Có, các khoảng dự đoán là chính xác khi chuyển đổi ngược.
Rob Hyndman

1
@ Ho1 Phân tích chuỗi thời gian áp dụng cho dự báo quản lý của NELSON; Holden-Day 1973 pp162-165 thảo luận chi tiết về vấn đề này ... với một ý kiến ​​đa dạng
IrishStat 31/12/13

Thật không may, nó không hoạt động như mong đợi, vì nó đã thay đổi phương pháp, và thay vì một biến thể y được mong đợi tốt đẹp theo dự đoán, nó chỉ tạo ra một đường thẳng quanh mức trung bình
Diego Duarte
Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.