使用 fable 包進行預測初始化

Question

假設我使用 fable 包估計以下模型，使用涵蓋 2019 年的每日數據，其中 x 是外生解釋變量。 術語pdq(p = 1, d = 0, q = 0)和PDQ(P = 0, D = 0, Q = 0)表示這是一個自回歸模型。

library(tidyverse)
library(fable)

load(file, "Some data.RData")

fit <- dta_2019 %>%
  tsibble() %>%
  model(ar = ARIMA(y ~ x + pdq(p = 1, d = 0, q = 0) + PDQ(P = 0, D = 0, Q = 0)))

現在我需要使用該模型對 2020 年的每日數據進行預測，但假設數據始於 2020 年 2 月。

forecast_2020 <- fit %>%
  forecast(new_data = tsibble(dta_2020))

我的理解是，由於這是一個自回歸模型，因此預測的 y 滯后值將是在估計數據集 ( dta_2019 ) 中觀察到的最后一個值。 我可以將 y 的值初始化為其他值嗎？ 我曾嘗試在dta_2020中包含一行，在此特定示例中，該行包含 1 月 31 日的觀測值，但這會導致預測從 1 月 31 日開始。

Answer 1

對於 ARIMA 模型（使用fable::ARIMA() ），您還需要預測 2020 年 1 月以獲得感興趣的 2020 年 2 月預測。 如果兩個月份的外生回歸量都可用，則可以計算預測。 需要提供外生回歸量x未來值，但預測不需要y未來值。