R中反事实ARIMA预测的提取函数

Question

建立了一个具有非零均值的ARIMA(9,0,2)模型。我想用这个模型来做反事实的预测。也就是说，条件是只有前九个观测值，我正在寻找一个R函数，它可以对第十次，第十一次观测产生预测，等等，使用ARIMA(9,0,2)模型，我用所有的数据来估计。

据我所知，R函数forecast和predict并没有完成与事实相反的部分。函数forecast取到了时间序列结束的位置，并使用拟合模型进行预测，但我还没有找到一种方法来欺骗我，用观测值1-9来预测观察10，或者用观察2-10来预测接下来的观察11。类似地，predict创建了接下来的几个观察，收集数据停止的位置。我还没有找到解决这两种功能的方法。

R函数fitted只是为可用数据中的每个时间点创建一个1步预测，而不是一个长期预测。

我粘贴了一些创建假时间序列数据的代码，一个Arima对象，并演示了forecast如何不能为我的问题提供有用的输出。

setseed(2314)
fake.data   <- rnorm(10,sd=5)
for(i in 1:200){
    model.length    <- 9
    lower       <- length(fake.data)-9+1
    upper       <- length(fake.data)
    new.obs <- rnorm(1,mean=0,sd=0.25)+fake.data[lower:upper]%*%c(  -0.1, 0.1, -0.15,0.15,-0.2,0.2,-0.5,0.3,0.9)
    fake.data   <- c(fake.data, new.obs)
}
plot(fake.data)
fitted.arima    <- auto.arima(fake.data, ic="bic")
plot(forecast(fitted.arima))

显然，在观察到的时间点，forecast的输出并不是一种预测。

Answer 1

可以使用fixed参数修复参数。下面是一个例子：

m<-arima(LakeHuron,order=c(9,0,2))
coe<-m$coef
mn<-arima(LakeHuron[1:9],order=c(9,0,2),fixed=coe)

sum(coe==mn$coef)
12 # all coefficients are equal

predict(mn,n.ahead =10)

Answer 2

forecast软件包，Hyndman et.阿尔。有一个很好的ARIMA包装器，它允许您使用相同的结果来完成前面的工作，但是使用一个稍微友好一些的API (imho)。

library(forecast)
m <- Arima(LakeHuron, order=c(9,0,2))
mn <- Arima(LakeHuron, model=m)
predict(mn, n.ahead=10)

向model=参数提供以前生成的模型的参数可以完成上述工作。