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？
问问题
2993 次
2 回答
3
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。
于 2009-09-09T23:50:35.877 回答
0
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？
于 2009-09-12T20:01:50.697 回答