如何一次处理3900+地区的月度时间序列数据

Question

我正在研究时间序列模型，对此我很陌生。我刚刚开始学习时间序列分析和预测。 我知道如何处理月度数据。 但我有一个更大更庞大的数据需要解决。 它拥有 3900 多个地区的月度时间序列数据。 我想使用 R 预测未来 12 个月的值。 我的数据看起来像这样：https://drive.google.com/file/d/10QvtS55NQ1kIXxeccWxXl0SqqyqYXyoh/view?usp=sharing

我知道如何使用 ARIMA 模型为 1 个区域执行此操作，但不知道如何处理这些大数据。 提前致谢！

Answer 1

由于您是该主题的新手，我建议您看看使用 xgboost 或 glmnet 等全局模型的方法。

您将无法使用“预测”包或使用 ARIMA、ETS、Prophet 等的类似本地时间序列方法生成可扩展的结果。

当您的模型足够复杂以产生准确的预测时，它们将需要大量时间来计算。例如，对于 100 个时间序列（5 年的训练，一年的测试），使用完全调整的本地模型进行模型预测大约需要 5 小时才能完成。使用全局模型只需 3 分钟。

由于我自己使用它，我可能会推荐使用 tidymodels 堆栈的 modeltime 框架。