我有一个电力现货价格的数据集,其中包含三种季节性:一种在 24 小时内,一种在一周内,一种在一年内。
我想使用tsDyn无法应对季节性的 R 包( ,以便将我的预测转换为合理的形式。
这种方法是否明智且可行?如果是的话,我怎么能完成这个三重去季节化,然后在 R 中撤销它?在一个简单的滞后差分的情况下,我只需使用“cumsum()”撤消季节性差分,但是这样的东西适用于我的数据集吗?
我有一个电力现货价格的数据集,其中包含三种季节性:一种在 24 小时内,一种在一周内,一种在一年内。
我想使用tsDyn无法应对季节性的 R 包( ,以便将我的预测转换为合理的形式。
这种方法是否明智且可行?如果是的话,我怎么能完成这个三重去季节化,然后在 R 中撤销它?在一个简单的滞后差分的情况下,我只需使用“cumsum()”撤消季节性差分,但是这样的东西适用于我的数据集吗?
tbats()您会发现使用包中的功能更容易forecast。它将估计季节性并产生预测。
从大多数时间序列的角度来看,可能是,明智的不是。
您的方法的主要问题是一个明显的假设,即消除季节性是或应该是一件小事。但在实践中,大多数现代程序都需要根据一些关于如何建模的选择对季节性成分进行某种估计,尤其是因为季节性成分通常每年都在变化。相反,如果您的季节性成分本质上是确定性的,那么这将是微不足道的。
几周特别尴尬,因为它们不会在几年内筑巢。
如果您主要对忽略季节性的方法感兴趣,那么具有主要季节性的数据集似乎不相关。为什么让问题变得比现在更困难?