R语言混合时间模型预测对时间序列进行点估计

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()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_p800.75
ets_p950.90
auto.arima_p800.74
auto.arima_p950.88
hybrid_p800.83
hybrid_p950.94

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()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_p800.72
ets_p950.88
auto.arima_p800.70
auto.arima_p950.86
hybrid_p800.80
hybrid_p950.92

结论

  • 根据M3竞赛数据进行测试hybridf(),通过组合ets()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。




​非常感谢您阅读本文,有任何问题请在下面留言!

点击这里给我发消息

1

1


关于作者

Kaizong Ye是拓端研究室(TRL)的研究员。

本文借鉴了作者最近为《R语言数据分析挖掘必知必会 》课堂做的准备。



Leave A Reply

电子邮件地址不会被公开。

 
QQ在线咨询
售前咨询热线
15121130882
售后咨询热线
0571-63341498
error: Content is protected
%d 博主赞过: