我正在研究一个值严格为正的时间序列。使用包括AR,MA,ARMA等在内的各种模型,我找不到简单的方法来获得严格的积极预测。
我正在使用R进行预测,我所能找到的是带有以下描述的正参数的Forecast.hts {hts} :
预测分级或分组时间序列,包hts
## S3 method for class 'gts':
forecast((object, h,
method = c("comb", "bu", "mo", "tdgsf", "tdgsa", "tdfp", "all"),
fmethod = c("ets", "rw", "arima"), level, positive = FALSE,
xreg = NULL, newxreg = NULL, ...))
positive
If TRUE, forecasts are forced to be strictly positive
http://www.inside-r.org/packages/cran/hts/docs/forecast.gts
对于非分层时间序列有什么建议吗?关于使用其他约束(例如最小值,最大值等)的概括又如何呢?
即使未在R中实现,也应感谢您对文章,模型或有用的常规变量转换的建议。
3
在这种情况下,最简单但并非总是正确的事情之一就是简单地预测变量的对数。
—
mpiktas 2013年
要部分回显@mpiktas,一种方法是在对数刻度上工作。在实践中,这通常会同时改善模型的几个方面。虽然预测间隔可以很好地转换,但是您必须注意均值预测(如果对数上的正态性合理,则可以得到对数正态平均值的估计值,如果样本量较大,则通常是合理的)。有时可以用于某些简单时间序列模型的替代方法是使用Gamma模型。
—
Glen_b-恢复莫妮卡