如何预测和拟合多个时间序列的最优 model？

Question

我想在多个序列之间进行批量预测，例如，如果我想预测 ID 以 1(1,11,21,31...) 结尾的时间序列，我该怎么做？

Answer 1

由于您没有提供详细信息，因此我不确定您要使用哪种预测方法，因此我在这里给出了一个单变量时间序列 model 的示例：

加载所需的包：

library(forecast)
library(dplyr)

我们使用来自 Rob Hyndman 的示例数据：

dta <- read.csv("https://robjhyndman.com/data/ausretail.csv")

现在更改列名：

colnames(dta) <- c("date", paste0("tsname_", seq_len(ncol(dta[,-1]))))

以 1 结尾的 Select 时间序列：

dta_ends_with1 <- dplyr::select(dta, dplyr::ends_with("1"))

创建一个ts object：

dta_ends_with1 <- ts(dta_ends_with1, start = c(1982,5), frequency = 12)

指定要预测提前多少步，这里我设置为提前6步，

h <- 6

现在我们准备一个矩阵来保存预测：

fc <- matrix(NA, ncol = ncol(dta_ends_with1), nrow = h)

预测循环。

for (i in seq_len(ncol(dta_ends_with1))) {
  
fc[,i]  <- forecast::forecast(forecast::auto.arima(dta_ends_with1[,i]), 
                              h = h)$mean
  
}

设置列名：

colnames(fc) <- colnames(dta_ends_with1)

head(fc)