Auto.arima 的 hybridModel 和 ANN 产生的点预测超出 95% CI

Question

我一直在做时间序列预测，最近读到 auto.arima 和 ann 的混合模型如何提供 better/more 准确的预测结果。我有六个时间序列数据集，混合模型对其中五个产生了奇迹，但对另一个却给出了奇怪的结果。

我运行模型使用以下方式打包： library(forecast) library(forecastHybrid)

这是数据：

ts.data

     Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec
2012           1  16  41  65  87 104 152 203 213 263
2013 299 325 388 412 409 442 447 421 435 448 447 443
2014 454 446 467 492 525

型号：

fit <- hybridModel(ts.data, model="an")

接下来 5 个时期的预测结果：

forecast(fit, 5)

   Point       Forecast    Lo 80    Hi 80    Lo 95    Hi 95
Jun 2014       594.6594 519.2914 571.0163 505.6007 584.7070
Jul 2014       702.1626 528.7327 601.8827 509.3710 621.2444
Aug 2014       738.5732 540.6665 630.2566 516.9534 653.9697
Sep 2014       752.1329 553.8905 657.3403 526.5090 684.7218
Oct 2014       762.7481 567.9391 683.5994 537.3256 714.2129

您会看到点预测如何超出 95% 置信区间。有人知道这是怎么回事吗？我该如何解决？

感谢任何想法和见解！提前致谢。

Answer 1

查看此问题的描述here
tl;dr nnetar 模型不创建预测区间，因此这些不包含在整体预测区间中。当 "forecast" 包添加此行为时（在 road map for 2016），预测区间和点预测将保持一致

Auto.arima 的 hybridModel 和 ANN 产生的点预测超出 95% CI

hybridModel of Auto.arima and ANN produce point forecast outside of 95% CI

r

time-series

neural-network

forecasting

hybrid