时间序列预测:每周预测与每日预测

Question

我有一些每日的时间序列数据。我正在尝试从每日的历史数据中预测未来3天。

历史数据显示出基于一周中某一天的明确趋势，如周一、周二等，周一和周二是高峰期，周三通常是高峰期，然后在一周剩下的时间里下降。

如果我按月或按周对数据进行分组，我肯定可以看到随着时间的推移而上升的趋势，这种趋势似乎是累加的。

我的目标是只预测未来3天。我的直觉告诉我采取一种方法，我希望得到一些关于利弊和其他方法的反馈。

我的直觉告诉我，按周或月对数据进行分组，然后预测下一周或月可能会更好。假设我通过将每周的历史数据加载到ARIMA中，对下周进行训练、测试和预测，从而预测下周的总额。在一周内，每周的每一天通常占该周总数的x%。因此，如果从历史上看，周三平均贡献了一周交易量的50%，而下一周我预计为1000，那么我预测周三将是500。这是一种常见的方法吗？

或者，我可以将历史日值加载到ARIMA中，训练、测试并让ARIMA预测未来3天。这里最大的区别是“每周预测”和“每日预测”。

在时间序列预测领域，这是一场普遍的辩论吗?如果是这样，也许有人可以推荐一些我可以用谷歌搜索的关键词来教育我自己的优缺点？

此外，当一周中的某一天是一个因素时，也许有一个建议的算法可以使用？

提前感谢您的回复。丹

Answer 1

这是一个标准的每日时间序列问题，其中存在周中某一天的季节性。如果您使用的是R，则可以使用frequency = 7将时间序列创建为ts对象，然后使用预测包中的auto.arima()对其进行预测。任何其他的季节性预测方法也是潜在的。