时间序列分析能预测过去吗？

Question

我试图通过使用时间序列分析来猜测过去的数据。 通常，时间序列分析预测未来，但在相反的方向，时间序列可以预测（？）过去吗？

我这样做的原因是，过去的数据中缺少部分。 我正在尝试用 R 或 Python 写下代码。

我在 R 中尝试了 predict(arima, h=-92)。这没有用。 这是我在 R 中尝试的代码。

library('ggfortify')
library('data.table')
library('ggplot2')
library('forecast')
library('tseries')
library('urca')
library('dplyr')
library('TSstudio')
library("xts")

df<- read.csv('https://drive.google.com/file/d/1Dt2ZLOCASYIbvviWQkwwgdo2BdmKfl9H/view?usp=sharing')
colnames(df)<-c("date", "production")
df$date<-as.Date(df$date, format="%Y-%m-%d")

CandyXTS<- xts(df[-1], df[[1]])
CandyTS<- ts(df$production, start=c(1972,1),end=c(2017,8), frequency=12 )


ggAcf(CandyTS)

forecast(CandyTS, h=-92)

Answer 1

有可能的。 它被称为倒推。 您可以在“预测：原则与实践”的这一章中找到一些信息。

基本上你需要反向预测。 我根据本章中的代码和您的数据添加了一个示例。 根据需要进行调整。 您创建一个反向索引并使用它来及时回溯。 您可以使用与 ETS 不同的模型。 同理

# I downloaded data.
df1 <- readr::read_csv("datasets/candy_production.csv")
colnames(df1) <- c("date", "production")

library(fpp3)
back_cast <- df1 %>% 
  as_tsibble() %>% 
  mutate(reverse_time = rev(row_number())) %>%
  update_tsibble(index = reverse_time) %>% 
  model(ets = ETS(production ~ season(period = 12))) %>%
  # backcast
  forecast(h = 12) %>%
  # add dates in reverse order to the forecast with the same name as in original dataset. 
  mutate(date = df1$date[1] %m-% months(1:12)) %>%
  as_fable(index = date, response = "production",
           distribution = "production")

back_cast %>%
  autoplot(df1) +
  labs(title = "Backcast of candy production",
       y = "production")