新手在这里进行预测，我有一个非常基本的问题。我有 2 个不同的时间序列数据。
- 时间序列 A 是每周（高频）
- 时间序列 B 是每月（低频）
我需要使用 B 预测 A。
我查看了 Armesto 及其同事关于混合频率预测的论文，并且还在查看 midasr 用户指南。两者都谈到用高频变量预测低频变量。
但是同样的方法可以用于使用每月时间序列数据预测每周数据吗？不幸的是，我可用的数据就是这种格式。
据我了解，我很确定可以做到，但希望有人能证实。另外，在运行此预测时，我需要注意什么重要的事情吗？
用低频预测器预测高频变量
机器算法验证
r
预测
分解
2022-03-31 18:57:56
1个回答
有两种快速而肮脏的解决方案。首先是将系列 B 分解为每周值（R 包tempdisagg非常适合），然后做一个通常的模型。第二次聚合系列 A 到每月频率，进行预测，然后对预测使用分解。
更具理论性的方法是将问题转换为状态空间模型。当以较低频率观察因变量时，有很多关于状态空间模型方法的文献。它通常假设低频变量实际上是在低频周期观察到的高频变量。您可以做出相同的假设，然后颠倒该方法。不幸的是，我还没有看到类似的事情正在做，但我看起来不够努力。
关于 midasr，我可以说它被设计为在以最低频率观察因变量时工作。没有认真考虑相反的情况。
其它你可能感兴趣的问题