R ARIMA 模型给出奇怪的结果

Question

我正在尝试在 R 中使用 ARIMA 模型来预测数据。我的时间序列片段如下所示：

这只是一小段时间让您了解一下。我有 2010 年到 2015 年的每日数据。

我想预测未来。我正在使用forecast 库，我的代码如下所示：

dt = msts(data$val, seasonal.periods=c(7, 30))
fit = auto.arima(dt)
plot(forecast(fit, 300))

这会导致：

这个模型不好也不有趣。我的seasonal.periods 是我定义的，因为我希望看到每周和每月的季节性，但结果看起来相同，没有定义季节性周期。

我错过了什么吗？很快，预测预测的变化非常非常小。

编辑：

为了进一步说明我在说什么，这里有一个具体的例子。假设我有以下假数据集：

x = 1:500
y = 0.5*c(NA, head(x, -1)) - 0.4*c(NA, NA, head(x, -2)) + rnorm(500, 0, 5)

这是一个 AR(2) 模型，其系数为 0.5 和 0.4。绘制这个时间序列产生：

所以我为此创建了一个 ARIMA 模型并绘制了预测结果：

plot(forecast(auto.arima(y), 300))

结果是：

为什么 ARIMA 函数不能学习这个明显的模型？如果我使用 arima 函数并强制它尝试 AR(2) 模型，我不会得到任何更好的结果。

Answer 1

auto.arima 不处理多个季节性时段。为此使用tbats。

dt = msts(data$val, seasonal.periods=c(7, 30))
fit = tbats(dt)
plot(forecast(fit, 300))

auto.arima 将只使用最大的季节性时段，并尽力做到最好。