我想提高我的 hts 时间序列预测的准确性（MAPE）答案

【问题标题】：I want to improve the accuracy(MAPE) for my hts time series forecast我想提高我的 hts 时间序列预测的准确性（MAPE）
【发布时间】：2019-09-25 08:19:28
【问题描述】：

我正在使用 Rob Hyndman 提供的同一段代码在 1 级（2 个节点）和 2 级（5,1 个节点）上进行 hts 时间序列预测。但是我得到的 MAPE 值非常高（大多数节点预测超过 30）

我尝试使用 Rob 建议的使用 Arima 模型的 Tuning 参数（适用于所有方法 - 自上而下、自下而上等）：Hierarchical Time Series

full <- aggts(data)
fcfull <- matrix(0, ncol=ncol(full), nrow=15)
for(i in 1:ncol(full))
{
  fcfull[,i] <- forecast(Arima(full[,i], 
                       order=fmodels[[i]]$arma[c(1,6,2)],
                       seasonal=fmodels[[i]]$arma[c(3,7,4)]),
                       h=15)$mean
}
forecast.full <- combinef(fcfull, nodes=data$nodes)

我需要大约高精度 MAPE。 10左右

【问题讨论】：

标签： r time-series

【解决方案1】：

我有一些使用 hts 进行预测的经验。在大多数情况下，MinT 对账提供了更好的样本准确度。

改变协方差矩阵的估计（covariance="shr" 或 covariance="sam"）有时被证明是有用的。

最后，您可以在forecast.hts 函数中尝试其他模型作为FUN 参数（nnetar、arfima...）。

【讨论】：