具有多个周期和非负值的时间序列答案

【问题标题】：Time series with multiple periods and non negative values具有多个周期和非负值的时间序列
【发布时间】：2014-10-11 01:19:00
【问题描述】：

当我阅读ts object 中的时间序列并添加句点时：

tr <- ts(data[,4],frequency=)。这适用于两个不同的时期，并完美地分解以显示（下降）趋势、季节性和误差。我怎么知道哪个是正确的时期。
当我在上述ts对象的forecast包中使用ETS或STLF函数时，摘要显示：模型信息：ETS(A,N,N)这是为什么？我们这里有季节性+趋势成分吗？
当训练集是非负的并且负值没有意义时，我们可以做些什么来处理负值。

【问题讨论】：

这个问题得到充分回答了吗？如果是这样，请您将其标记为已回答。

标签： r time-series

【解决方案1】：

正确的周期取决于数据生成过程。例如，如果您正在查看由消费者习惯驱动的月度数据，那么，如果我们假设消费者行为会根据全年不断变化的环境而波动，由于数据是月度的，因此选择 12 可能是一个不错的频率。重要的是要记住，周期性是乘法的。例如，如果 12 和 24 有效，我会选择 12。如果您有季度数据，也许 4 是一个不错的选择频率。或者，如果您正在查看一些物理过程，例如发动机中的温度，并且您有毫秒数据，那么合适的周期可能是每转的毫秒数。
最后两个 N 的意思是“无”。我无法说出为什么您认为有季节性成分而 ets 没有。从帮助文件中：

通常使用三字符的字符串识别方法 Hyndman 等人的框架术语。 (2002) 和 Hyndman 等人。（2008 年）。第一个字母表示错误类型（“A”、“M”或“Z”）；这第二个字母表示趋势类型（“N”、“A”、“M”或“Z”）；和第三个字母表示季节类型（“N”、“A”、“M”或“Z”）。在所有情况下，“N”=无，“A”=加法，“M”=乘法和 “Z”=自动选择。因此，例如，“ANN”很简单具有加性误差的指数平滑，“MAM”是乘法的具有乘法误差的 Holt-Winters 方法等。

模型也可能属于“ets”类，并且等于上一次调用 ets 的输出。在这种情况下，相同的模型在不重新估计任何平滑参数的情况下拟合 y。看还有 use.initial.values 参数。
如何处理底片取决于数据生成过程。如果，一旦预测变量达到零，过程停止（即你有一个吸收状态），那么也许你可以将这些预测值设置为零。但是，如果您认为向下运动变得越来越小，那么您可能必须更改模型以反映这一点。设置lambda=0 会是一个好的开始，相当于取对数。这将使模型具有乘法性。但是，一般来说，如果您的预测变为负数并且您知道这是不可能的，那么您的数据生成过程模型可能是错误的。

【讨论】：

感谢教授的详细回复。 1）我认为我的数据有每日和每周的周期性。我在多个时期都看到了你的论文，并将利用它。 2）我使用STLF。默认情况下，它不是用于超过 13 个周期的季节性数据吗？我是否有可能看到 ANN，因为我已经考虑了 TS 对象中的周期性
在您的 TS 对象中定义句点并不意味着它将被忽略。但是，如果您不准确地定义它，那么状态空间模型可能不会包含季节性项。
关于第2点），我觉得有季节性，因为我在阅读时间序列对象时添加了频率。此外，当我分解时间序列时，我确实得到了组件。请帮忙
另外，当我绘制系列时，我确实看到了季节性。数据确实显示了一年中某些日子的高峰和低谷。顺便说一句，我正在使用 STLF 函数进行预测。