7

我正在尝试按照Rob Hyndman 的 Rstudio.conf 研讨会的方式进行分层预测，但遇到了一些问题。这是我的代码：

library(dplyr)
library(tsibbledata)
library(tsibble)
library(fable)

aus_retail_2013_tr <- aus_retail %>%
    filter(Month <= yearmonth("2013 Dec"))
aus_retail_2013_vl <- aus_retail %>%
    filter(Month > yearmonth("2013 Dec"))

hmod <- aus_retail_2013_tr %>%
    aggregate_key(State*Industry, Turnover=sum(Turnover)) %>%
    model(ar=ARIMA(log(Turnover))) %>%
    reconcile(ar_adj=min_trace(ar))

fcasts_hmod <- forecast(hmod, aus_retail_2013_vl)

fcasts_hmod %>%
    filter(is_aggregated(Industry), State == "Victoria") %>%
    autoplot()

该图的输出如下。

在此处输入图像描述

我的主要问题是：

  • 和解实际上似乎根本没有改变预测。图片表明ar和ar_adj线是相同的。
  • 预测仅适用于 2014 年至 2015 年的时间段，而我知道完整的数据集到 2018 年。

我该如何解决这些问题？后一个可能是因为并非所有时间序列都涵盖整个时期，但我怎样才能reconcile不跳过缺失的时期？

这是 dplyr 0.8.5、fable 0.2.0、fabletools 0.1.3 和 tsibble 0.8.6。我在 Ubuntu/R 3.6.3 和 Windows 10/R 4.0.0 上得到了相同的结果。

PS。尝试对固定范围进行预测会导致错误：

> fcasts_hmod <- forecast(hmod, h="5 years")
Error: Reconciliation of non-normal forecasts is not yet supported.
Run `rlang::last_error()` to see where the error occurred.
4

1 回答 1

1

这些问题是错误（或者超出了当前协调实现的范围）。您可以通过包的 BugReports URL ( https://github.com/tidyverts/fabletools/issues ) 报告这些。

我的主要问题是：

和解实际上似乎根本没有改变预测。图片表明 ar 和 ar_adj 行是相同的。

预测仅适用于 2014 年至 2015 年的时间段，而我知道完整的数据集到 2018 年。

协调模型的预测应该有错误，这是开发版本中的当前行为。请注意，您的forecast() new_data参数包含 148 个时间序列，但您正在从 181 个模型生成预测。这是因为请求的预测仅适用于底层序列（aus_retail_2013_vl尚未汇总）。

PS。尝试对固定范围进行预测会导致错误：

Error: Reconciliation of non-normal forecasts is not yet supported.
Run `rlang::last_error()` to see where the error occurred.```

这是因为您的模型有一个对数转换的响应变量，该变量在进行反向转换时会产生具有对数正态分布的预测。概率预测协调很困难，目前仅针对正态分布实施。我将在点预测上添加对账作为后备（https://github.com/tidyverts/fabletools/issues/216）。

于 2020-06-11T14:53:05.580 回答