多个时间序列的指数平滑预测

Question

我想使用指数平滑（HW 或 ARIMA）预测 r 中的 100x 时间序列，因为我的数据非常季节性。我的数据当前设置如下：

Month / Employee1 / Employee2 / Employee3 / ...
2015-01-31 / 1,200,000 / 1,900,000 / 800,000 / ...
2015-02-28 / 1,000,000 / 1,700,000 / 200,000 / ...
... Through 2018-06-30

我想对频率 = 12 的 6 个周期内的每个员工使用指数平滑进行预测。我可以使用预测轻松地单独完成此操作，但我想运行一次将所有员工合并为一个table 输出。置信度可以等于 0 level=c(0,0) 因为我想要一个输出。

非常感谢任何帮助！

Answer 1

我想通了，希望它对将来有所帮助。我的数据集叫做 "Multiforecast_test"

首先我把它做成一个ts:

ts_test <- ts(Multiforecast_test, start= c(2015,01), frequency=12)

然后我用 lapply 到运行 auto.arima 函数：

arimaforecast <- lapply(ts_test, function(x) forecast(auto.arima(x), h=6,)$mean)

我的测试数据的输出结果为：

arimaforecast

$Volume        Jul        Aug        Sep        Oct        Nov        Dec
2018 1005256299 1107626858  929720018  889901375  814714019  839815505

$Employee1     Jul       Aug       Sep       Oct       Nov       Dec
2018 683043831 800911854 686582210 665243135 613016109 626239041

$Employee2     Jul       Aug       Sep       Oct       Nov       Dec
2018 198639231 206957874 138334667 148160835 118637508 111321392

$Employee3     Jul       Aug       Sep       Oct       Nov       Dec
2018 116508747 129413942 111011512  90294567  87439508  92747072

...

希望这对以后的人有所帮助。

多个时间序列的指数平滑预测

Exponential smoothing forecasting for multiple time series

r

forecasting

arima

holtwinters