Ich benutze Hyndmans forecast -Paket, um eine ziemlich genaue tbats -Prognose auf der wöchentlichen Ebene zu erzeugen, aber ich habe signifikante Fehler in den Ferien. Wie kann ich Feiertage in das Modell aufnehmen? Außerdem hat sich gezeigt, dass Arima meine wöchentlichen Daten schlecht abbildet. Ferien müssten also auf nicht-arima-Weise hinzugefügt werden.
Ich habe zwei Lösungen gesehen. Ein Ссылка zeigt, wie Feiertage als Dummy-Variablen mit Fourier-Begriffen hinzugefügt werden. Das Problem ist, Dummy-Variablen haben die Form von 1 oder 0. Ich weiß, dass verschiedene Feiertage unterschiedliche Auswirkungen haben, die eine 1 oder 0 nicht erfassen würde. Black Friday zum Beispiel unterscheidet sich sehr vom chinesischen Neujahr.
Eine andere Lösung ist hier zu finden Ссылка wo Covariate nnetr change als Alternative verwendet wird auto.arima mit saisonalen Dummy-Variablen. Das Problem ist, ich sehe nicht, wie man den R-Code schreibt, um meine Ferien einzugeben. Ein Beispiel wäre nützlich.
Das Folgende hat alles getan, was ich tun musste.
%Vor% Um das Problem zu lösen, dass verschiedene Feiertage unterschiedliche Auswirkungen haben, habe ich einfach zusätzliche Urlaubsdummy-Variablen hinzugefügt. Sie können beispielsweise einen Vektor mit guten Feiertagen und einem Vektor mit schlechten Feiertagen und cbind erstellen und dann in xreg einfügen. Ich habe dies im obigen Code nicht gezeigt, aber es ist einfach.
Der Benchmark für die Zeitreihenmodellierung für Agenturen für amtliche Statistiken ist x13-Arima-Sitze vom US Census Bureau. Es handelt sich sowohl um saisonale Effekte als auch um "parametrische" Feiertage wie etwa das chinesische Neujahr oder Ostern.
Die Funktionalität ist in R über das saisonale Paket verfügbar, das installiert und verwendet zugrunde liegende X13-Arima-Sitze binär.
Und es gibt auch eine interaktive interaktive Website , die Zugriff auf die meisten, wenn nicht alle Funktionen bietet.
Haben Sie etwas über Facebooks prophet Paket gelesen?
Habe es nicht benutzt, aber nach dem Lesen der Dokumentation scheint es eine schnelle Implementierung zu sein, die auch Feiertage berücksichtigt:
Implementiert ein Verfahren zur Vorhersage von Zeitreihendaten basierend auf ein additives Modell, in dem nichtlineare Trends mit jährlich und wöchentlich angepasst werden Saisonalität, plus Ferien [...]
Tags und Links r time-series forecasting