计算复杂季节性的季节性指标


11

我想使用指数平滑来预测零售商品(按周)。我现在停留在如何计算,存储和应用共鸣指数上。

问题是我发现的所有示例都涉及一种简单的季节性。就我而言,我有以下问题:1.季节不是每年的同一周发生:它们是可移动的。狂欢节,借来的,复活节的和其他一些。2.有些季节会根据年份而变化。例如,有一个国家假期。根据假期是否接近周末,客户是否会离开城镇。因此,这就像有两个季节:一个是客户离开城镇的季节,另一个是他们不离开城镇的季节。3.有时两个(或三个)季节同时发生。例如,我们将“狂欢节”季节与情人节季节同时发生。
4.有时持续时间会改变。例如,“万圣节季节”是今年年初开始的。圣诞节也是另一个例子,似乎每年我们都开始提早运送产品。

在我看来,我需要找到一种方法来设置某种“季节特征”,然后根据特定情况添加某种“季节特征”以获得正确的季节指数。那有意义吗?

有人知道我在哪里可以找到有关此操作的实用信息吗?

谢谢,埃德加德

Answers:


7

对于您描述的各种季节性,虚拟变量方法可能是最好的。但是,这在ARIMA框架中比指数平滑框架更容易处理。 其中每个变量对应于节日或节日事件之一。这就是R中的函数将如何拟合回归变量(作为具有ARIMA错误的回归,而不是ARIMAX模型)。

yt=a+b1Dt,1++bmDt,m+NtNtARIMA
Dt,karima

如果您真的想坚持使用指数平滑框架,则会在我的2008年关于指数平滑的书中讨论如何包括协变量。您可能还会看到我最近关于复杂季节性的指数平滑的论文,尽管我们讨论的季节性复杂性类型比您描述的移动节日更难。


嗨Kwak和Rob。感谢您的关注。我想使用指数平滑法,因为这是我更熟悉的方法。我认为我需要学习如何使用ARIMA框架。您能否推荐一本好书,以帮助我充分了解ARIMA框架以应用这种虚拟变量方法?我有Bowerman的“预测,时间序列和回归”和Levenbach的“预测:需求管理的实践和过程”,我用它们来学习指数平滑。我不知道这些细节是否足够满足我的需求。谢谢!
elriba 2010年

Bowerman O'Connell和Koehler非常适合介绍ARIMA模型,但我不认为它包含带有协变量的ARIMA。您可以尝试一下我的1998年教科书,该书在入门级涵盖了ARIMA建模和回归以及ARIMA错误。有关详细信息,请参见robjhyndman.com/forecasting
Rob Hyndman

1

一个简单的解决方法是在您的规范中包括事件虚拟变量:

(1)yt^=λ1yt1+...+λkytk+ϕ1Dt,1+ϕmDt,m

其中是一个指标回吐值,如果一周活动(说狂欢节),否则为0,对于所有的事件,你认为重要的。 1 Dt,m1tmm

规范的第一部分本质上是指数平滑器,但权重随滞后函数而变化(并由OLS估算)。λ1yt1+...+λkytk

前提是每个事件至少要有20个观测值(即20个“狂欢”)。如果不是这种情况,您可以尝试将一些事件捆绑在一起(例如狂欢节和劳动节)。

假设dlsales是平稳的,而D是您的虚拟变量矩阵,则拟合(1)的R相当简单。

fit<-arima(dlsales,order=c(4,0,0),seasonal = list(order = c(1, 0, 0),period=52),xreg = D)

从这里开始,您可以针对我不熟悉的部分(我不知道您的统计水平)提出更具体的问题。


2
实际上,R中的arima函数不适合您的模型(1)。arima()使用ARIMA误差进行回归,您的等式(1)是ARMAX模型。
Rob Hyndman

罗布:>我已经编辑了方程式一。您是否可以指出一个源,在此源中可以解释Armax和具有Arima错误的回归之间的差异(或提供直观的解释)。另外,您是否知道实现ARMAX模型的R包?提前致谢。
user603 2010年

具有一个协变量的一阶ARMAX模型为y_t = a + bx_t + cy_ {t-1} + e_t,其中e_t为iid零均值。带有ARIMA误差的相应回归是y_t = a + bx_t + n_t,其中n_t = phi * n_ {t-1} + z_t,而z_t是iid零均值。
Rob Hyndman

1
@kwak。首先,n_t = phi n_ {t-1} + z_t是AR(1)。阶数为1的移动平均过程为n_t = theta z_ {t-1} + z_t。其次,具有MA错误的回归等效于MAX模型。但是,一旦在错误过程中添加了AR术语,这两个类之间就不会等效。第三,TSA中的arimax()函数适合传递函数模型,其特殊情况是带有ARIMA错误的回归。它不适合ARIMAX模型。我可能会写一篇关于此的博客文章,因为很难在任何地方找到进行比较和讨论的各种模型类。
罗布·海恩德曼

2
我试图在总结各种模型robjhyndman.com/researchtips/arimax
罗布·海德门
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.