0

我有 2013 年 2 月 18 日到 2017 年 2 月 12 日之间的每日销售数据，其中只有 4 天的数据丢失（每年 25 日的所有圣诞节）。这些假期的销售量为零。我的目的是通过短期预测未来 5-7 天的销售数据来了解如何在下一周为我的商店配备人员。

我首先将此数据设置为时间序列：

ts <- ts(mydata, frequency = 365)

然后通过分解进行初步分析：

2013-02-18至2017-02-12每日数据分解

这似乎表明我的销售趋势呈下降趋势，但如果我没记错的话，有一些季节性。因此，为了开始我的预测实施，我通过执行以下操作为前两年的数据拟合了一个 arima 模型：

fit <- auto.arima(ts[1:730], stepwise = FALSE, approximation = FALSE)

Series: ts[1:730] 
ARIMA(4,1,1)                    

Coefficients:
         ar1      ar2      ar3      ar4      ma1
      0.3638  -0.2290  -0.1451  -0.2075  -0.8958
s.e.  0.0413   0.0388   0.0388   0.0398   0.0241

sigma^2 estimated as 15424930:  log likelihood=-7068.67
AIC=14149.33   AICc=14149.45   BIC=14176.88

这个模型对我来说似乎不合适，因为它不包含任何季节性。我知道我有足够的数据。Rob Hyndman 的博客说尝试使用ets也没有季节性。我对这个数据系列或预测方法有什么不了解的地方？

4

1 回答 1

0

我在统计数据交换论坛中更恰当地重新提出了这个问题。有人可以在stackexchange中为我关闭这个问题吗？

问题现在在这里。 https://stats.stackexchange.com/questions/295012/forecast-5-7-day-sales

于 2017-07-28T19:37:02.527 回答