我们每个月必须拟合大约 2000 个或奇数的时间序列,特别是它们具有非常特殊的行为,有些是 arma/arima,有些是 ewma,有些是 arch/garch,有或没有季节性和/或趋势(唯一的共同点是时间序列方面)。
理论上可以使用 aic 或 bic 标准构建集成模型以选择最佳拟合模型,但社区是否知道任何试图解决此问题的库?
谷歌让我知道下面的 Rob J Hyndman 链接
但他们还有其他选择吗?
我们每个月必须拟合大约 2000 个或奇数的时间序列,特别是它们具有非常特殊的行为,有些是 arma/arima,有些是 ewma,有些是 arch/garch,有或没有季节性和/或趋势(唯一的共同点是时间序列方面)。
理论上可以使用 aic 或 bic 标准构建集成模型以选择最佳拟合模型,但社区是否知道任何试图解决此问题的库?
谷歌让我知道下面的 Rob J Hyndman 链接
但他们还有其他选择吗?
预测包中有两种自动方法:auto.arima()
一种是使用 ARIMA 模型处理自动建模,另一种是ets()
从指数平滑系列中自动选择最佳模型(包括适当的趋势和季节性)。AIC 在这两种情况下都用于模型选择。不过,两者都不能处理 ARCH/GARCH 模型。此 JSS 文章中详细描述了该软件包:http: //www.jstatsoft.org/v27/i03
除了你的问题:
什么时候可以对高维数据(例如每周数据)使用预测包函数,尤其是 ets 函数?
应该是明年初吧。论文已经写好(参见 robjhyndman.com/working-papers/complex-seasonality),我们现在正在编写代码。
感谢用户,我已经尝试过预测包,它也是 arima 和 ets 的组合,但并没有得到 aic 或 bic(sbc) 的好评,所以我现在很想将每个时间序列都处理为自己的 svm(支持向量机),因为它具有更好的泛化适应性,并且除了滞后和非线性核函数之外还能够添加其他变量
有什么预兆吗?