R中auto.arima的训练数据集答案

【问题标题】：Training data set for auto.arima in RR中auto.arima的训练数据集
【发布时间】：2015-12-27 03:14:26
【问题描述】：

我有大约 10000 个时间序列。

我想使用 auto.arima 函数http://www.inside-r.org/packages/cran/forecast/docs/auto.arima

我想测试我的 auto.arima 模型对 10000 个时间序列的准确性。我推迟了 20% 的数据点（如果您看到 40 个样本中的样本，我将推迟 8 个），然后让 auto.arima 预测。然后我可以将生成的 8 个值与实际的 8 个值进行比较。
但是有没有一种正式的方法来测试 ARIMA 模型的准确性？我的方法正确吗？

y=auto.arima(x)
plot(forecast(y,h=8))

示例时间序列 1

0.0003748,0.0003929,0.0003653,0.0003557,0.0004463,0.000349,0.0003099,0.0003395,0.0003157,0.0002871,0.0002604,0.0002422,0.0001917,0.0002117,0.0002689

时间序列 2

0.0003977,0.0003481,0.0002413,0.0002069,0.0002127,0.0002108,0.0002003,0.0002174,0.0002098,0.0002069,0.0001955,0.0001926,0.0002108,0.0002146,0.0002079

【问题讨论】：

我不清楚具体问题。 auto.arima 函数没有为您的某些时间序列返回有效模型的问题吗？或者您正在努力编写一个循环来自动适应您的 8000 个时间序列？
是的，这就是问题所在。我需要为每个时间序列创建一个特定的模型吗？我现在已经明白，我必须从我的时间序列中推迟一些数据点，对每个时间序列使用 auto.arima，然后最后测试准确性。不知道有没有预建的函数来测试autoarima的准确性？
@SamThomas 我已经编辑了问题来解释。请看编辑。谢谢:)
如果你想使用auto.arima，那么是的，你需要为时间序列拟合一个模型。请参阅帮助页面，其中指定了单变量时间序列。 ?accuracy 用于测试交叉验证。如果您想适应分层时间序列，另请参阅 hts 包。
我可以为完整的 8000 时间序列提供一个模型吗？我需要为此使用 Arima() 函数吗？你的意思是说如果我想使用 auto.arima 那么我需要为每个时间序列拟合一个模型？

标签： r forecasting autoregressive-models

【解决方案1】：

在我看来，您的 Q 是关于比较预测准确性的不同指标，而不是 auto.arima() 和 forecast() 的具体使用。如果是这样，那么可以使用许多指标。有关概述，请参阅

https://en.wikipedia.org/wiki/Forecasting#Forecasting_accuracy

他们每个人都有自己的支持者和反对者；例如，请参阅这篇论文：

http://robjhyndman.com/papers/mase.pdf

无论您使用什么准确度指标，您仍然需要能够证明为什么要保留 20% 的数据进行预测。

但是，如果您对不同的模型形式感兴趣，那么您也有一些选择。例如，如 cmets 中所建议的，

使用arima()（或一些等价物）将相同的单变量模型（指定先验）拟合到每个时间序列；
使用auto.arima() 为每个时间序列拟合一个（可能）不同的单变量模型；或
将多元模型拟合到所有时间序列。

如果您感兴趣的是#3，我建议您在此处使用MARSS pkg：

https://cran.r-project.org/web/packages/MARSS/index.html

这里还有用户指南：

https://cran.r-project.org/web/packages/MARSS/vignettes/UserGuide.pdf

【讨论】：