使用包“预测”版本 3.22 auto.arima答案

【问题标题】：Using package ‘forecast’ version 3.22 auto.arima使用包“预测”版本 3.22 auto.arima
【发布时间】：2012-07-02 21:07:17
【问题描述】：

我使用了自动 ARIMA，得到了这样的结果：

Series: JMB 
ARIMA(5,1,4)(2,0,2)[96] with drift         

Coefficients:
         ar1     ar2      ar3     ar4      ar5      ma1      ma2     ma3      ma4
      1.3100  0.2710  -1.0215  0.5572  -0.1527  -0.8652  -0.6309  0.7686  -0.2520
s.e.  0.1384  0.1974   0.0752  0.1208   0.0334   0.1389   0.1371  0.0960   0.0797
        sar1    sar2     sma1     sma2   drift
      0.5959  0.4010  -0.4792  -0.4338  0.0005
s.e.  0.0382  0.0381   0.0388   0.0363  0.0183

sigma^2 estimated as 0.01521:  log likelihood=9835.91
AIC=-19636.59   AICc=-19636.56   BIC=-19522.77
> plot(forecast(fit,h=96), xlim=c(120,155) )
Warning message:
In sqrt(z[[2]] * object$sigma2) : NaNs produced and can not use plot (...) funktion.

除了警告，残差也太大了。

可能是 Auto Arima 创建了一个错误的模型，我该如何改进这个模型？

【问题讨论】：

可重现的例子？？？ tinyurl.com/reproducible-000
我试图格式化这个，但很难弄清楚你要写什么。如果我有任何错误，请随时进一步编辑。
感谢您的格式。为了改进这个模型并使其可用，我应该设置 max.p=?, max.q=? ?

标签： r prediction forecasting

【解决方案1】：

季节性 ARIMA 模型在季节性周期较大时效果不佳。您的季节性周期为 96，这比我用于这些类型的模型的要大得多。有关此问题，请参阅 my blog post。

其他一些小问题：

如果您收到警告，则表明存在值得调查。在这种情况下，NaN 来自哪里？
您说残差“太大”。什么你有这样的理由吗？只有当它们包含应该建模的结构时，它们才会太大。
请在提问时提供最少的可重复示例，并在发布前检查格式。

【讨论】：

您好 Rob，我已经看到了您的“我的博文”，谢谢。我只是想知道在 R 中如何做到这一点“•对于具有多个季节周期的数据，您可以包含不同频率的傅立叶项”？我只能在一个赛季中做到这一点。我已阅读您的文章“使用指数平滑预测具有复杂季节性模式的时间序列”。您可以提供“R”代码吗？我对“R”实现有一些问题。我正在使用具有每日季节性模式（每天大约 80 个点）和每周季节性（5 天略有不同，每周周末）的数据。谢谢
您好 Rob，我已经看到了您的“我的博文”，谢谢。我只是想知道在 R 中如何做到这一点“•对于具有多个季节周期的数据，您可以包含不同频率的傅立叶项”？我只能在一个赛季中做到这一点。我已阅读您的文章“使用指数平滑预测具有复杂季节性模式的时间序列”。您可以提供“R”代码吗？我对“R”实现有一些问题。我正在使用每日季节性模式的数据，每天大约 80 点，每周季节性 5 天略有不同，而且差异很大。周末。谢谢——伊戈尔
使用预测包中的 tbats() 函数。