R或其他软件中的加权ARIMA

Question

我正在使用R中的预测包来进行时间序列预测。我有5年的历史，并希望预测未来3个月。我注意到，如果我在训练集中只使用最近2-3年的数据，预测结果会比使用全部5年的数据要好。我相信这是因为5年前ARIMA算法发现的模式不再适用于预测未来。

与其完全消除很久以前的数据，有没有可能只是减轻这些数据的权重？目前预测中还没有这样的选项，但有没有办法破解这一点，或者有没有替代的软件包？

Answer 1

加权实际上更多的是当你的方差发生变化时，并使用Tsay的测试进行识别。

听起来你可以使用一个"level shift“变量(例如0,0,0,0,1,1,1,1,1，1，1，)。这将允许您仍然保持季节性和一周中的某一天的影响，但也反应了均值的变化。你还应该注意异常值的变化，趋势的变化和季节性的变化，因为周一可能是低点，也可能是高位。你还应该考虑有超前和滞后影响的假期，每月的某一天的影响和长周末。

Ruey Tsay跟进了Box和Tiao关于异常值的工作，你可以在这里阅读www.unc.edu/~jbhill/tsay.pdf

既然你问了--我们的软件叫做Autobox，它会自动完成这些事情，并于1976年发布。

www.autobox.com

Answer 2

Chow Test也包含在AUTOBOX中，如果任何参数在一段时间内发生了变化，该测试实际上会进行测试。如果您断言最近2-3年的ARIMA结构与前几年不同，AUTOBOX将建议进行数据分割。如果您想使用此功能，请与自动预测系统公司的人员联系。顺便说一句，我已经为他们编写了这些过程。