时间序列模型，每日数据在R

我有一个包含2年日常数据的数据集。数据类型具有两个季节性组件（每周和每月），即每种类型的日期以类似的方式表现，并且每个月的情况相同。让我们忘记每年在不同日期的假期。我需要建立一个时间序列模型来预测一到两个月的日常数据。我尝试过不同参数的ARIMA，并且预测器总是变平。时间序列模型，每日数据在R

这里我的代码：

df <read.csv("data.csv", header = TRUE, sep = ";") 
tseries <-ts(df[,2],start=1,frequency=7) -- also tried msts but not working   
ARIMAfit <- auto.arima(log10(tseries), approximation=FALSE,trace=FALSE) 
Series: log10(tseries) 
ARIMA(2,0,1)(2,0,0)[7] with non-zero mean 

Coefficients: 
     ar1  ar2  ma1 sar1 sar2 intercept 
    -0.1203 0.2423 0.6590 0.3182 0.4490  2.0577 
    s.e. 0.1495 0.0900 0.1404 0.0330 0.0335  0.0508 

sigma^2 estimated as 0.03187: log likelihood=222.5 
AIC=-430.99 AICc=-430.84 BIC=-398.82 

Training set error measures: 
        ME  RMSE  MAE  MPE  MAPE  MASE 
Training set 0.000745645 0.1777786 0.1273053 -0.7742803 6.340793 0.8641706 
       ACF1 
Training set -0.00434844 

pred <- predict(ARIMAfit, n.ahead = 500) 

lines(10^(pred$pred),col="yellow")

我不是这样的造型所以也许我做一个基本的错误的专家。任何帮助，将不胜感激。

托马斯

来源

2016-09-30 Tomás

像数据一样的声音可以用一组基本函数进行回归建模，例如，傅立叶分析。 –

1）参见本discussion。使用虚拟变量估计每周和每周的影响，并搜索异常值，水平变化，时间趋势以及星期几效应（即季节性脉冲）的变化 2）为什么要记录数据？看到这个discussion。
3）将数据与日期和数据所在的国家/地区一起发布。

来源

2016-10-21 17:26:35

时间序列模型，每日数据在R

回答

相关问题