如何确定时间序列中的最佳频率？

Question

我有一个按天分组的数据库指标，我需要预测未来 3 个月的数据。这些数据具有季节性（我相信季节性是一周中的几天）。

我想使用使用 R 的 Holt Winters 方法，我需要创建一个时间序列对象，它要求频率，（我认为是 7）。但是我怎么知道我是否确定？有识别最佳频率的功能吗？

我正在使用：

FID_TS <- ts(FID_DataSet$Value, frequency=7)

FID_TS_Observed <- HoltWinters(FID_TS)

如果我用 分解这些数据decompose(FID_TS)，我有：

这是我的第一个预测FID_TS_Observed：

当我查看去年的历史时，它们在前 3 个月开始较低，然后从第 3 个月增加到 11 个月，然后再次下降。

也许我的每日数据，每天都有每周季节性（频率 = 7）和每月季节性（频率 = 7x30 = 210）？我需要过去 365 天？

有什么办法可以按星期几和按月放置频率？另一件事，我在 Holt-Winters 方法中使用整个去年或其中的一部分有什么不同吗？

提前致谢 ：）

Answer 1

您似乎有每日数据，并且想要预测未来三个月的数据。这里的问题是您需要每日预测或每周预测还是仅每月预测？我想您可能需要每日或每周的天气预报。如果您需要每周预测，首先按周对数据进行分组，然后运行预测可能会更容易。

Facebook 的新 Prophet 包是一个非常好的用于日常数据处理的工具。它将使用 dataframe 而不是 ts 项目，这使得它更容易处理。您可以通过某些内置函数（例如plot_components）快速获取每日（如果您有每小时数据左右）、每周和每月的季节性数据。这是Facebook的快速入门教程。他们有 Python 和 R 的 API。

这里有一些快速代码，用于使用 Prophet 绘制每周和每月的季节性（是否有）。

library(prophet)
library(dplyr)
df <- FID_DataSet %>% rename(ds = date, y = Value)
m <- prophet(df)
future <- make_future_dataframe(m, periods = 365)
forecast <- predict(m, future)
plot(m, forecast) # plot out the forecast
prophet_plot_components(m, forecast) # plot out the components: trend, weekly and yearly seasonality if there is any.