我有一个数据系列,有季节性组件,趋势和arma部分.我想根据历史来预测这个系列.
我可以使用这个程序
data_ts <- ts(data, frequency = 24)
data_deseason <- stl(data_ts, t.window=50, s.window='periodic', robust=TRUE)
f <- forecast(data_deseason, method='arima', h = N)
但是在这样做的时候,我无法选择Arima部件的参数,我想这样做.以上似乎是使用像auto.arima这样的东西,因为我自己选择arima参数 - 但它运行速度非常快,比auto.arima快得多 - 所以不确定会发生什么.
或者,我可以使用上面的内容将数据分成趋势和剩余部分.但那我该怎么预测呢？我应该为趋势和其余部分制作一个arma模型吗？
trend_arima <- Arima(data_deseason$time.series[,'trend'], order = c(1,1,1))
remainder_arima <- Arima(data_deseason$time.series[,'remainder'], order = c(1,1,1))
然后使用forecast()并添加上面两个组件和季节.或者有没有办法提取stl找到的趋势模型？
感谢任何提示:)本杰明