ARIMA 是否适用于包含解释变量和自变量的时间序列预测?

数据挖掘 机器学习 Python r 预言
2021-10-01 19:01:08

我有一个包含以下列的表格:

日期(月、年)、Sold_Past_Month、Quantity_Available、Quantity_Shipping_In、Missed_Sales、Quantity_Needed

Quantity_Needed 是数值型因变量。

我想预测 Quantity_Needed 并使用上述列训练模型;但是,我也希望 Quantity_Needed 来训练模型。

我有过去 5 年的数据 -> 所以我将有大约 60 行数据用于一个项目。

是否可以为此使用 ARIMA?

如果是,我接下来应该做什么来构建我的模型?

2个回答

您正在寻找的正确名称是:ARIMAX,ARIMA 模型在没有协变量的情况下工作,X(外生变量)包括具有其他解释变量的可能性。

我不确定这个问题的性质,因为我发现即使是自变量也与它们过去的值相关联,如果是这样,并且如果您没有测试数据集,您可以尝试 VAR 模型。

在 VAR 模型中,每个变量都是其自身过去值和所有其他变量过去值的线性函数。

否则,您也可以使用 LSTM。