如何对每日时间序列数据中的月度效果建模?


11

我有两个时间序列的每日数据。一个是订阅sign-ups,另一个terminations是订阅。我想使用两个变量中包含的信息来预测后者。

从这些系列的图表来看,很明显终止与前几个月的签约倍数相关。也就是说,5月10日的注册人数激增,将导致6月10日,7月10日和8月10日的终止人数增加,依此类推,尽管这种影响逐渐减弱。

我希望获得有关我可以采用哪种模型来建模此特定问题的提示。任何建议将不胜感激。

到目前为止,我一直在考虑一个VAR模型,但是我不确定如何包括月度影响-使用非常高的滞后量或以某种方式添加季节性成分?

Answers:


1

对于滞后29到31,CCF图是什么样的?峰值是否足够频繁地出现?您可以使用Granger检验来检查哪些滞后值具有统计意义。


是的,CCF图中有明显的峰值,位于延迟28-31,尤其是30。
Wije 2013年

1

月级模型

您应该记录终止趋势的月份水平变化(例如,圣诞节假期期间的签约比四月期间的签约更有可能终止)。假设您通常的时间序列模型是:。现在,如果您相信参数等是特定于月份的,则可以将月份指示符标志与其余预测变量进行交互。

terminationst=β1signupst1+β2signupst2+..
β1

因此,您的新功能形式将是 这类似于构建月级模型,从而可以更大的灵活性来捕获特定于月度的终止趋势

terminationst=β1signupst1MonthFlagt1+β2signupst2MonthFlagt1+..
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.