时间序列交叉验证的实现

Question

我工作的时间序列551的每月数据的M3比赛。

所以，我的数据是：

library(forecast)
library(Mcomp)
# Time Series
# Subset the M3 data to contain the relevant series 
ts.data<- subset(M3, 12)[[551]]
print(ts.data)

我想实现时间序列交叉验证的最后18个观察到的样本间隔。

有些人通常会称之为“滚动起源的预测评估”或类似的东西。

我怎样才能做到这一点？采样间隔是什么意思？哪些是我必须评估的时刻表？

我很困惑，任何帮助来点燃这将是受欢迎的。

Answer 1

tsCV包的forecast函数是一个很好的起点。

从文件上看，

tsCV(y，预测函数，h= 1，window = NULL，xreg = NULL，初始值= 0，。..)

让“y”包含时间序列y1:T，然后将“预测函数”依次应用于时间序列y1:t，对于t=1，…，ft+h，作出预测ft+h，误差由et+h =yt+ Let +h给出。

首先，tsCV将模型拟合到y1中，然后预测y1 + h，然后将模型拟合为y1:2，预测T步骤的y2 +h等等。

tsCV函数返回预测错误。

将其应用于ts.data的训练数据

# function to fit a model and forecast
fmodel <- function(x, h){
  forecast(Arima(x, order=c(1,1,1), seasonal = c(0, 0, 2)), h=h)
}
 
# time-series CV
cv_errs <- tsCV(ts.data$x, fmodel, h = 1)

# RMSE of the time-series CV
sqrt(mean(cv_errs^2, na.rm=TRUE))
# [1] 778.7898

在你的情况下，也许你应该

ts.data$xx1

• fit

• 对ts.data$x进行了建模，然后对c(ts.data$x，ts.data$xx1)和预测(ts.data$xx2)等模式进行了预测。