如何在 R 中使用可配置的移动平均线进行预测答案

【问题标题】：How to use configurable moving average for forecasting in R如何在 R 中使用可配置的移动平均线进行预测
【发布时间】：2020-10-26 18:12:41
【问题描述】：

我有 36 个月的需求数据

dput(RawData)

structure(list(ModelNo = c("a", "a", "a", "a", "a", "a", "a", 
"a", "a", "a", "a", "a", "a", "a", "a", "a", "a", "a", "a", "a", 
"a", "a", "a", "a", "a", "a", "a", "a", "a", "a", "a", "a", "a", 
"a", "a", "a"), Month_Year = structure(c(1498867200, 1501545600, 
1504224000, 1506816000, 1509494400, 1512086400, 1514764800, 1517443200, 
1519862400, 1522540800, 1525132800, 1527811200, 1530403200, 1533081600, 
1535760000, 1538352000, 1541030400, 1543622400, 1546300800, 1548979200, 
1551398400, 1554076800, 1556668800, 1559347200, 1561939200, 1564617600, 
1567296000, 1569888000, 1572566400, 1575158400, 1577836800, 1580515200, 
1583020800, 1585699200, 1588291200, 1590969600), class = c("POSIXct", 
"POSIXt"), tzone = "UTC"), Quantity = c(9, 3, 4, 0, 2, 0, 0, 
7, 1, 4, 1, 2, 4, 2, 2, 0, 4, 1, 2, 0, 0, 0, 4, 0, 0, 0, 0, 0, 
1, 0, 0, 0, 2, 0, 2, 0)), row.names = c(NA, 36L), class = "data.frame")

我使用以下代码创建了一个时间序列

    y_ts <- ts(RawData$Quantity,
                 start=c(year(min(Data_sort$Month_Year)), 
month(max(Data_sort$Month_Year))+1), frequency=12)

我想使用前 24 个月的需求数据作为训练集，最后 12 个月作为测试集。使用移动平均法（前 24 个月）我使用以下代码预测了 12 个月的值：

test<-rollapply(y_ts, list(-seq(24)), FUN = mean, fill = NA)
  cbind(RawData, data.frame(test))

输出看起来像：

 ModelNo Month_Year Quantity     test
1        a 2017-07-01        9       NA
2        a 2017-08-01        3       NA
3        a 2017-09-01        4       NA
4        a 2017-10-01        0       NA
5        a 2017-11-01        2       NA
6        a 2017-12-01        0       NA
7        a 2018-01-01        0       NA
8        a 2018-02-01        7       NA
9        a 2018-03-01        1       NA
10       a 2018-04-01        4       NA
11       a 2018-05-01        1       NA
12       a 2018-06-01        2       NA
13       a 2018-07-01        4       NA
14       a 2018-08-01        2       NA
15       a 2018-09-01        2       NA
16       a 2018-10-01        0       NA
17       a 2018-11-01        4       NA
18       a 2018-12-01        1       NA
19       a 2019-01-01        2       NA
20       a 2019-02-01        0       NA
21       a 2019-03-01        0       NA
22       a 2019-04-01        0       NA
23       a 2019-05-01        4       NA
24       a 2019-06-01        0       NA
25       a 2019-07-01        0 2.166667
26       a 2019-08-01        0 1.791667
27       a 2019-09-01        0 1.666667
28       a 2019-10-01        0 1.500000
29       a 2019-11-01        1 1.500000
30       a 2019-12-01        0 1.458333
31       a 2020-01-01        0 1.458333
32       a 2020-02-01        0 1.458333
33       a 2020-03-01        2 1.166667
34       a 2020-04-01        0 1.208333
35       a 2020-05-01        2 1.041667
36       a 2020-06-01        0 1.083333

当我在历史数据中使用所有 24 个月来预测从第 25 个月到第 36 个月的预测时，这正是我想要的。但是，我的问题 1 是如何使用从 24 个月的训练期开始的最近 15 个月的移动平均线来预测从第 25 个月到第 36 个月的滚动移动平均线（测试期如 avove）。我想保留用于预测的历史切片可配置，可以是15 个月、18 个月 或24 个月（如当前示例） 从第 24 个月开始。为了进一步说明，如果我使用 15 个月移动平均线，那么第 25 个月的预测应该是第 10 到第 24 值的平均值，第 26 个月的预测应该是第 11 到第 25 值的平均值，依此类推。 ..我的问题 2 在比较测试数据的实际值和预测值后，我是否应该编写单独的代码来创建一个数据框来预测/预测未来 12 个月的实际值（即预测范围）。如果有人可以帮忙请。谢谢。

【问题讨论】：

标签： r time-series

【解决方案1】：

幸运的是，在社区中可用的其他 R 代码的帮助下，我自己破解了这个问题，使用下面的代码。

MA_Horizon_FC<-data.frame(ModelNumber = character(), Month_Year = Date(), HorizonFC_12m_Quantity = numeric())
train_test_FC_1<-NULL


history_slices=15 #####configurable historical slices, 15 or 24 or anything else
    listofdfs <- list()
      
      for (i in unique(MiniData$ModelNumber))
      {
        Selected_data<-subset(MiniData, ModelNumber==i)
        Data_sort<-Selected_data[order(Selected_data$Month_Year),]
        rownames(Data_sort) <- 1:36
      
        y_ts <- ts(Data_sort$Quantity,
                 start=c(year(min(Data_sort$Month_Year)), month(min(Data_sort$Month_Year))), frequency=12)
      
     
      test_FC<-rollapply(y_ts, list(-seq(history_slices)), FUN = mean, fill = NA)
      
      test_FC[1:24]<-NA
      listofdfs[[i]]<-cbind(Data_sort, data.frame(test_FC))
    
      
      ##############   Picking up the 37th month forecast  #####################
      forecast_only<-rollapply(y_ts ,history_slices, FUN = mean, align = "right") 
      FC_Value<-as.numeric(tail(as.zoo(forecast_only),1))
      
      ##############   calculating the month-year for the forecast   ###########
      date_1m_fwd <- as.POSIXlt(max(Data_sort$Month_Year))
      date_1m_fwd$mon <- date_1m_fwd$mon +1
      next_month_year<-date_1m_fwd
      
      #############creating a new data frame with parts and their forecasted value####
      MA_Horizon_FC <- rbind(MA_Horizon_FC, data.frame(ModelNumber=i, Month_Year=next_month_year, HorizonFC_12m_Quantity=FC_Value))
      }  
      
      ##########   Melting the list to create a dataframe for Test-Train Values
    MA_Train_Test_FC <- listofdfs %>% reduce(bind_rows)

【讨论】：