预测带有额外回归变量的 ARIMA 模型

Question

假设我有如下一些时间序列，我想预测 c1 领先一步，这样做在 R 中非常简单易行：

testurl = "https://docs.google.com/spreadsheets/d/1jtpQaSxNY1V3b-Xfa5OJKDCLE6pNlzTbwhSHByei4EA/pub?gid=0&single=true&output=csv"
test = getURL(testurl)
mydata = read.csv(textConnection(test), header = TRUE)
data <- ts(mydata['c1'])
fit <- auto.arima(data)
fcast <- forecast(fit)
fcast

请注意，这些数字只是随机数，auto.arima 建议我们使用一个 arima(0,1,0) 并且预测向前一步是 52。

但是，如果想使用 c2 和 c3 来改进（例如，就 aic 和 bic 而言）样本外预测怎么办？那么一个人实际上将如何继续呢？

c1   c2     c3
40   0,012  1
41   0,015  1
42   0,025  1
40  −0,015  1
44   0,000  0
50   0,015  0
52   0,015  1
51   0,020  1
50   0,025  1
52   0,030  0
53   0,045  1
52   0,030  1
52   0,025  0
52   0,000  0
51   0,010  0
50  −0,02   1
48  −0,025  1
49  −0,030  1
51  −0,040  1
52  −0,350  0

Answer 1

如果我理解正确的话，您正在尝试使用 auto.arima() 中的 xreg 将动态回归模型拟合到您的数据。您可以使用如下方式自动确定模型拟合：

tsdata <- ts(mydata)
fit <- auto.arima(tsdata[,1], xreg = as.matrix(mydata[,2:3]))

要生成提前 1 步预测，您需要向预测中的 xreg 参数提供 C2 和 C3 未来值的 matrix功能。你可以这样做的一种方法是这样的：

fc.c2 <- forecast(tsdata[,2], h = 1)
fc.c3 <- forecast(tsdata[,3], h = 1)


newxreg <- as.matrix(cbind(fc.c2$mean, fc.c3$mean))

fc.c1 <- forecast(fit, xreg = newxreg)

预测带有额外回归变量的 ARIMA 模型

forecasting ARIMA model with extra regressors

r

time-series

forecasting