0

我有三年的每日收入数据。每年有一些相当稳定的数据增长，但数据具有高度季节性，在第四季度（黑色星期五，圣诞节前的狂热等）和周内季节性（周一高收入，一周内越来越少，最低周六，周日开始接机）

与其使用带有线性预测的无聊电子表格，我想要一个 R 脚本，它需要输入三年的每日数据，并应用一种算法来预测未来 6 个月的每日收入预测。我希望输入只是一个包含日期和收入数字的 CSV 文件。

我听说 ARIMA 很好，但是我的一位经济学家朋友看过我的数据后认为使用卡尔曼滤波器进行预测会产生非常好的结果。

有人可以发布一个脚本来告诉我如何应用 ARIMA 算法或卡尔曼滤波器算法来预测我的数据吗？谢谢！

4

2 回答 2

6

虽然 R 当然有实现这些分析的工具，但它们是强大的工具，如果你阅读它们以及它们是如何工作的，这可能是最好的……（Venables 和 Ripley在 S 中的现代应用统计可能是一个合理的起点，虽然我不知道它是否讨论了卡尔曼滤波器）。同时：

??arima
??kalman
?arima
?KalmanLike

或者，已安装sos软件包：

library("sos")
findFn("arima forecast")
findFn("kalman forecast")

或者只是谷歌“卡尔曼滤波器 R”（！！）——我做了，发现前 8 个（！）命中看起来非常有用（第 9 个是 MATLAB 中卡尔曼滤波器的介绍 :-)）

其他人可能会有不同的感觉，但当我看到他们已经尝试自己解决问题时，我通常会花更多的精力帮助他们完成分析......

于 2011-10-25T23:45:08.407 回答
1

这应该使用回归来解决。对于星期几的影响，您将有 6 个虚拟变量。对于季节性，您将有 11 个每月虚拟变量。每个假期都有虚拟变量。

于 2013-03-19T11:41:35.453 回答