Sezonluk ve trendle ARIMA tahmini, garip sonuç

ARIMA modelleri ile öngörüye adım attığım için, ARIMA'nın mevsimsellik ve sapmaya uygun bir tahminini nasıl geliştirebileceğimi anlamaya çalışıyorum.

Verilerim aşağıdaki zaman serisidir (3 yıldan fazla, açık eğilim yukarı ve görünür mevsimsellik ile, 12, 24, 36 gecikmelerde otokorelasyon tarafından desteklenmiyor gibi görünüyor).

    > bal2sum3years.ts
             Jan     Feb     Mar     Apr     May     Jun     Jul     Aug          
    2010 2540346 2139440 2218652 2176167 2287778 1861061 2000102 2560729 
    2011 3119573 2704986 2594432 2362869 2509506 2434504 2680088 2689888 
    2012 3619060 3204588 2800260 2973428 2737696 2744716 3043868 2867416 
             Sep     Oct     Nov     Dec
    2010 2232261 2394644 2468479 2816287
    2011 2480940 2699780 2760268 3206372
    2012 2951516 3119176 3032960 3738256

Önerilen model auto.arima(bal2sum3years.ts)bana şu modeli verdi:

    Series: bal2sum3years.ts 
    ARIMA(0,0,0)(0,1,0)[12] with drift         

    Coefficients:
              drift
          31725.567
    s.e.   2651.693

    sigma^2 estimated as 2.43e+10:  log likelihood=-321.02
    AIC=646.04   AICc=646.61   BIC=648.39

Bununla birlikte, acf(bal2sum3years.ts,max.lag=35)0.3'ten daha yüksek acf katsayıları göstermez. Bununla birlikte, verilerin mevsimselliği oldukça açıktır - her yılın başında yükselir. Dizinin grafikte nasıl göründüğü:

fit=Arima(bal2sum3years.ts,seasonal=list(order=c(0,1,0),period=12),include.drift=TRUE)İşlev tarafından çağrılan tahmin forecast(fit), gelecek 12 ayın, verilerin son 12 ayına eşit olması anlamına gelir ve sabittir. Bu arayarak görülebilir plot(forecast(fit)),

Ayrıca, otokorelasyonlu olmayan ancak pozitif ortalamaya sahip (sıfır olmayan) kalıntıları da kontrol ettim.

Uyum orijinal zaman serisini tam olarak modellemez, bence (orijinal zaman serisini mavi, kırmızı fitted(fit):

Konuk, model yanlış mı? Bir şey mi kaçırıyorum? Modeli nasıl geliştirebilirim? Modelin tam anlamıyla son 12 ayı aldığını ve önümüzdeki 12 aya ulaşmak için bir sabit eklediği görülüyor.

Zaman serisi tahmin modelleri ve istatistiklerinde göreceli olarak yeni başlıyorum.

Verilerinizin görünümünden, mevsimsel farklılıklardan sonra, önemli bir mevsimsellik kalmayabilir. Her yılın başında o tepe ve yılın geri kalanında daha sonraki model oldukça iyi bir tarafından alınıp$I_{[12]}$model ; modeli olmuştur dahil "bariz mevsimsellik".

Evet, önerilen model "Bu Haziran = Geçen Haziran + sabit + hata" ve benzer şekilde diğer aylar için.

Tam olarak neyin var? Verilerinizin mükemmel bir açıklaması gibi görünüyor.

Sen, bir kapalı tabanlı hatta belki de bir şeyi açıklamak için bir zaman serisi ayrışma daha sezgisel ve daha kolay bulabilir Temel Yapısal Modeli mevsimsellik ile - bir - ama bu değil mutlaka iyi olandan fonksiyonları sahip olduğunuz bir model ima. Yine de bir veya daha fazla standart ayrıştırma tekniği denemeye değer olabilir - iyi anladığınız bir model için söylenecek çok şey var.

Sorunumuzun, geleneksel modelleri denemeden doğrudan ARIMA modeline atladığımız olduğuna inanıyorum. bu nedenle modelin gerekli sonuçları vermediğini görebilirsiniz. Sizin durumunuzda, verilerinizi test ettim, her 12 ayda bir sizin için açık olan bir mevsimsellik olduğunu buldum, ama aynı zamanda 3 hareketli basit bir hareketli ortalamanın Mevsimsel ayarlama: Çarpımlayıcı en iyi model olduğunu buldum. Bence, herhangi bir ileri tekniğe geçmeden önce geleneksel tahmin algoritmalarını denemek zorundayız.