auto.arima 未正确读取 csv 文件日期（完整代码 + 数据集）

Question

这是一个完整的代码+数据集

1. r 代码https://drive.google.com/file/d/16UOuY9HaeGFmNn7POl0Z8vjIxP70xUSv/view?usp=sharing 和
2. 纳斯达克 100 日价格数据集https://drive.google.com/file/d/1XXNOdWFwY_RqZ1vXmyO5Wj-o4Nu6ci1l/view?usp=sharing

“auto.arima”函数只是拒绝正确读取日期。

请你看一下。到目前为止，我在 StackOverflow / Google / YouTube 上没有找到任何东西。也许我做错了什么？

我只是想让这个工作与预测一起玩（在大多数情况下根本不准确，但我这样做是为了好玩）。

谢谢！ :)

Answer 1

这与auto.arima() 无关。您正在使用不明确存储日期的 ts 对象；相反，它们存储开始时间、结束时间和频率（每个时间段的观察次数）。预测包旨在处理ts 对象。

由于您已经在使用tidyverse，您可能会发现使用较新的tsibble 明确存储日期的对象类更容易。这是您发布的相同分析，但使用 tsibble 对象完成。

library(tidyverse)
library(tsibble)
library(feasts)
#> Loading required package: fabletools
library(fable)

NDX_prices <- read_csv("~/Downloads/NDX.csv") %>%
  mutate(trading_day = row_number()) %>%
  as_tsibble(index=trading_day) 
#> Parsed with column specification:
#> cols(
#>   Date = col_date(format = ""),
#>   Close = col_double()
#> )

NDX_prices %>%
  autoplot(Close) + 
  ggtitle("NASDAQ 100 ARIMA") + ylab("Closing Prices")

fit_ARIMA <- NDX_prices %>%
  model(arima = ARIMA(Close))

fit_ARIMA %>% report()
#> Series: Close 
#> Model: ARIMA(1,1,0) 
#> 
#> Coefficients:
#>           ar1
#>       -0.3767
#> s.e.   0.0583
#> 
#> sigma^2 estimated as 25768:  log likelihood=-1630.42
#> AIC=3264.83   AICc=3264.88   BIC=3271.88

fit_ARIMA %>% gg_tsresiduals()

fcast <- fit_ARIMA %>% forecast(h = 1)

fcast
#> # A fable: 1 x 4 [1]
#> # Key:     .model [1]
#>   .model trading_day           Close  .mean
#>   <chr>        <dbl>          <dist>  <dbl>
#> 1 arima          253 N(10318, 25768) 10318.

fcast %>% autoplot(NDX_prices)

^{由reprex package (v0.3.0) 于 2020-07-06 创建}

注意事项：

• 您的数据是csv文件，不是excel文件，所以不能使用read_excel。请改用read_csv。
• 因为交易并非每天都发生，您需要使用trading_day（自系列开始以来的交易日数）而不是Date 为系列编制索引。否则该系列将包含大量缺失值。
• 同样，预测按交易日而非日期进行索引。但是，如果您知道未来的交易日期，这些可以转换回日期。