在时间序列问题中，是否可以通过学习其他项目的模式来预测数量？我有什么选择？

Question

假设我拥有一家销售各种苹果的商店，我每个月都有以下统计数据。

• 报告日期
• 苹果(TA)类型
• 数量(质量保证)
• 过去30天的销售量(QS30)
• 数量装运(QSI)
• 订购所需数量(QN)

让我们做出以下假设/建议：

• 苹果有三种:红苹果、绿苹果和黄苹果。
• T(1)表示第一个月，T(60)表示第60个月。
• QA @ T(i + 1) = QA@T(i) + QSI@T(i) -QSI 30@T(i+1)

我可以为每个苹果提供T1-60的所有数据。

除了每个苹果的QN外，我还可以提供T61的所有数据。

我的目标是预测T61的QN，或者说每个苹果的第61个月。

如果我只关心红色苹果，我可以只使用ARIMAX与数据有关的只有红色苹果或VAR对吗？

但是，如果我突然引入了一种新的苹果类型，比如橙色苹果，而只有T1-4的历史呢？

既然我需要用T1-4来做橙色的苹果.是否有可能使用来自红色、绿色和黄色的其他数据来帮助正确计算T5橙色苹果的QN值？

Answer 1

如果我只关心红色苹果，我可以只使用ARIMAX与数据有关的只有红色苹果或VAR对吗？

是的，是有可能的，你会失去信息(也许有价值)，但是你可以使用它。

但是，如果我突然引入了一种新的苹果类型，比如橙色苹果，而只有T1-4的历史呢？

既然我需要用T1-4来做橙色的苹果.是否有可能使用来自红色、绿色和黄色的其他数据来帮助正确计算T5橙色苹果的QN值？

您将仅限于了解橙色苹果，但其他变量可能会帮助您获得足够的信息，直到您有了一个更健壮的模型，4个条目可能还不够，但该模型可能会帮助您获得一个估计。