问题标签 [arima]

我正在使用 R 的预测包中的 arima 函数，但出现以下错误：

solve.default(res$hessian*n.used,A) 中的错误：'a' 必须是复数矩阵

我拟合的时间序列具有非常大的数值，例如大于 1000 万。谁能提供一个可以缓解此错误的解决方案？缩放时间序列有帮助吗？

我正在尝试建立这个预测模型，但无法获得令人印象深刻的结果。低号。我相信，训练模型的记录是效果不佳的原因之一，因此我正在寻求帮助。

这是预测变量的时间序列矩阵。这里的 Paidts7 变量实际上是 Paidts6 的滞后变量。XREG =

这是 Y 变量（待预测）

我尝试了带有外部回归器的 Forecast::ARIMA 和 Forecast::NNETAR 模型，但无法使 MAPE 低于 7。我的目标是 MAPE 低于 3，RMSE 低于 50000。欢迎您使用任何其他包和功能。

这是测试数据：XREG =

Y = 1627598 1041766 1381536 1346429 1314992

如果您发现删除一个或多个预测变量可以显着改善结果，请继续。您的帮助将不胜感激，请仅在“R”中提出建议，而不是在其他工具中提出建议。

-谢谢

我想学习 ARMA 预测，我正在尝试使用从比特币下载的比特币数据集进行预测

我正在努力使用以下代码。图书馆（Quandl）

这是我收到的错误：

我有一个时间序列，非平稳的 diff(1)。

这里是测试：

它的 auto.arima 结果是 MA(1)，均值为零。

我的问题是当我尝试预测它时。结果，我得到了对 t+1 的单一预测，而其他所有预测都是 0。

这是我的数据

我正在使用这段代码：

当尝试预测时，我有这个：

有人已经得到了这样的东西吗？问题可能出在哪里？数据？模型？在图中似乎没有用差异解决平稳性，但我不确定这是否是预测的主要问题

在我的数据集中，我有很多变量，我想对每个变量进行预测；这是数据集的一部分：

我想我需要编写一个循环来对所有变量执行此分析，但我是新手，不知道如何正确编写循环。

有人可以帮忙吗？

我正在time series对我的数据进行分析，并且我已经运行了 auto arima 函数来确定在我的ARIMA模型中使用的最佳系数。

我知道上面结果中的 (2,1,1) 是指将在ARIMA模型中使用的 p、d 和 q 的值。但是（1,0,0）呢？

我正在研究使用 ARIMA 进行预测的数据集，我离最后一步很近，但我遇到了错误，无法找到参考来弄清楚我错过了什么。

当我执行以下命令时，我不断收到错误消息：

我将简要介绍我所做的工作，其中我将数据集从数据框架更改为时间序列，并进行了所有测试以检查波动性，并检测数据是否静止。
然后我将 DataAsStationary 作为应用 ARIMA 的良好干净数据，但由于我想在训练数据上训练模型并在数据的另一部分进行测试，我将数据集分为 70% 的训练和 30% 的测试：

我使用了自动选择算法，发现 Arima(2,0,3) 是最好的。

我不得不提到我确实检查了残差是否不相关（白噪声）并处理它。

之后，我使用训练数据集来拟合模型：

找不到有关该错误的任何资源：

rep(1, n.ahead) 中的错误：无效的“次”参数

有什么建议么！！真的

我试过了

但我得到错误

预测.Arima 没有找到！

知道为什么我会收到错误吗？

我需要有关如何frequency影响我的时间序列的帮助。我将每日时间序列数据与frequency = 7当我查看时间序列时，我得到天之间的中间值。我有60 天的数据。我为此创建了一个时间序列

这给了我421 个值。我有点理解它与值有关，frequency因为值是 7 和 60 的乘积。我需要知道的是 - 这些是如何计算的？为什么？不frequency只是用来告诉您的时间序列数据是每天/每周/每年等吗？（我提到了这个）

同样，在我的ACF和PACF情节中，lag值 < 1 意味着有七个值可以使 1“滞后”。在那种情况下，当我估计arima(p,d,q)使用这些图时，这些值是否会被视为滞后 x 频率？

我已经做了一些研究，但我一直在寻找解决方案。我有一个关于保险索赔和伤残日期的时间序列数据，一个非常基本的数据框，我们称之为数据：

查看日期 列表

我运行了以下代码（在加载 XTS 库之后）以正确的顺序识别和排序日期：

但是，我需要计算/分解每月的索赔数量，以便我可以开始执行和 ARIMA(auto.arima) 预测。

理想情况下，我想要这样的数据框Ideal Data Frame这样我就可以对年度/12 个月的预测执行一些 AR/MA/ARMA/ARIMA 风格的预测

我使用forecast包在 R 中创建了一个模型。

我的学习来源来自这里： https ://robjhyndman.com/hyndsight/dailydata/

我正在使用最后一部分，其中包括傅立叶级数：

创建此模型后，有没有办法可以进行交叉验证 k 折测试以确定误差和调整误差？

我知道如何使用广义线性模型来做到这一点：

这显示了误差和调整误差。

预测包中是否有可以执行此操作的函数，它将帮助我将此模型的准确性与 glm 模型进行比较？