拓端tecdat|R语言代写混合时间模型预测对时间序列进行点估计
原文连接:http://tecdat.cn/?p=6078
混合预测 - 单模型预测的平均值 - 通常用于产生比任何预测模型更好的点估计。我展示了如何为混合预测构建预测区间,这种预测的覆盖范围比最常用的预测区间更准确(即80%的实际观测结果确实在80%置信区间内)。
预测间隔
预报员的问题是在预测组合中使用的预测间隔。预测间隔是与置信区间相似但不相同的概念。预测间隔是对尚未知但将在未来的某个点观察到的值(或更确切地说,可能值的范围)的估计。而置信区间是对基本上不可观察的参数的可能值范围的估计。预测间隔需要考虑模型中的不确定性,模型中参数的不确定估计(即那些参数的置信区间),以及与预测的特定点相关联的个体随机性。
介绍hybridf()
我喜欢结合auto.arima()
并ets()
,有效地进行混合预测。为了使更方便,我创建了一个hybridf()
在R中为我做这个并生成类对象的函数forecast
。
深灰色区域是80%预测区间,浅灰色区域是95%预测区间。
测试M3
结果如下:
变量 | 准确度 |
---|---|
ets_p80 | 0.75 |
ets_p95 | 0.90 |
auto.arima_p80 | 0.74 |
auto.arima_p95 | 0.88 |
hybrid_p80 | 0.83 |
hybrid_p95 | 0.94 |
我的混合方法有在接近广告的成功率,而这两个预测区间ets()
和auto.arima()
不太成功。
以下是我在M3数据上测试的方法。我构建了一个小函数pi_accuracy()
来帮助,它利用了类预测对象返回一个名为“lower”的矩阵和另一个名为“upper”的矩阵,每个预测区间级别都有一列。
实际上拟合所有预测相对简单。我的笔记本电脑花了大约一个小时。
预测
变量 | 准确度 |
---|---|
ets_p80 | 0.72 |
ets_p95 | 0.88 |
auto.arima_p80 | 0.70 |
auto.arima_p95 | 0.86 |
hybrid_p80 | 0.80 |
hybrid_p95 | 0.92 |
结论
- 根据M3竞赛数据进行测试
hybridf()
,通过组合ets()
并auto.arima()
形成的预测到期望的水平,即80%预测interval在80%的时间内包含真值,95%的预测间隔包含不到95%的时间的真值。
如果您有任何疑问,请在下面发表评论。
▍关注我们
【大数据部落】第三方数据服务提供商,提供全面的统计分析与数据挖掘咨询服务,为客户定制个性化的数据解决方案与行业报告等。
▍咨询链接:http://y0.cn/teradat
▍联系邮箱:3025393450@qq.com