我想基于具有多个外生变量的多时间序列 ARIMA 模型进行预测。由于我对统计数据和 RI 都不是那么熟练，所以想要保持尽可能简单（3 个月的趋势预测就足够了）。

我有 1 个依赖时间序列和 3-5 个预测时间序列，所有月度数据，没有间隙，同一时间“地平线”。

我遇到了 auto.arima 函数，并问自己这是否适合我的问题。我有不同的商品价格和由它们制成的产品的价格。所有原始数据都是非平稳的，但通过一阶差分，它们都变成了平稳数据。ADF、KPSS 表明了这一点。（这意味着我已经测试了集成，对吗？）。

我现在的问题是：我如何将它与 auto.arima 函数一起应用，并且 ARIMA 是正确的方法吗？有些人已经建议我使用 VAR，但是 ARIMA 也可以吗？

下表是我的数据。实际上，数据集上升到 105 次观察，但前 50 次就可以了。趋势和季节性在这里显然很重要。

感谢您的任何建议和帮助！乔治