ARIMA的自動預測

• auto.arima()

在指數預測模型中，經過 forecast() 包中的 ets() 函數實現最優化指數模型的自動選取。

相似地，這一程序包中 auto.arima() 函數也能夠實現最優ARIMA模型的自動選取

 

ARIMA自動預測

#使用sunspots序列
> library(forecast)
> fit <- auto.arima(sunspots)
> fit
Series: sunspots 
ARIMA(2,1,2)                               

Coefficients:
         ar1      ar2      ma1     ma2
      1.3467  -0.3963  -1.7710  0.8103
s.e.  0.0303   0.0287   0.0205  0.0194

sigma^2 estimated as 243.8:  log likelihood=-11745.5
AIC=23500.99   AICc=23501.01   BIC=23530.71


> forecast(fit, 3)
         Point Forecast    Lo 80    Hi 80    Lo 95    Hi 95
Jan 1984       40.43784 20.42717 60.44850 9.834167 71.04150
Feb 1984       41.35311 18.26341 64.44281 6.040458 76.66576
Mar 1984       39.79670 15.23663 64.35677 2.235319 77.35808


> accuracy(fit)
                      ME     RMSE      MAE MPE MAPE      MASE        ACF1
Training set -0.02672716 15.60055 11.02575 NaN  Inf 0.4775401 -0.01055012

函數選定ARIMA模型的參數爲p=2，d=1和q=2，與其餘模型相比，這中狀況下AIC值最小，因爲序列中存在值爲零的觀測，MPE和MAPE兩個準確性度量都失效了（這也是兩個統計量的一個缺陷）