使用STL和Arima的R预测季节和数据趋势

Question

我有一个包含季节性成分，趋势和军备成分的数据系列。我想根据历史来预测这个系列。

我可以使用该程序

data_ts <- ts(data, frequency = 24)
data_deseason <- stl(data_ts, t.window=50, s.window='periodic', robust=TRUE) 
f <- forecast(data_deseason, method='arima', h = N)

但是这样做时，我无法选择Arima部分的参数，而我想要这样做。上面的代码似乎使用了auto.arima之类的东西，因为我自己选择了arima参数-但它的运行速度确实比auto.arima快得多，因此不确定发生了什么。

或者，我可以使用以上方法将数据分为季节，趋势和剩余部分。但是，我该如何预测呢？我应该为趋势和其余模型都建立一个模型吗？

trend_arima <- Arima(data_deseason$time.series[,'trend'], order = c(1,1,1))
remainder_arima <- Arima(data_deseason$time.series[,'remainder'], order = c(1,1,1))

然后使用Forecast()并添加上述两个组成部分和季节。还是有某种方法可以提取STL发现的趋势模型？

谢谢你的提示:)
本杰明

Answer 1

forecast.stl函数将auto.arima用于其余系列。它之所以快速，是因为它不需要考虑季节性ARIMA模型。

您可以通过forecastfunction参数选择具有特定参数的特定模型。例如，假设您想使用参数为0.7的AR(1)，则下面的代码可以做到:

data_ts <- ts(data, frequency = 24)
data_deseason <- stl(data_ts, t.window=50, s.window='periodic', robust=TRUE) 
f <- forecast(data_deseason, h=N,
        forecastfunction=function(x,h,level){
        fit <- Arima(x, order=c(1,0,0), fixed=0.7, include.mean=FALSE)
        return(forecast(fit,h=N,level=level))})
plot(f)

如果只想选择ARIMA顺序，而不要选择参数，则省去 fixed参数。