Сглаживание временных рядов, избегая пересмотров

Question

На этот раз мой вопрос скорее методологический, чем технический.У меня есть еженедельные данные временных рядов, которые обновляются каждую неделю.К сожалению, временные ряды довольно изменчивы.Таким образом, я хотел бы применить фильтр / метод сглаживания.Я попробовал Ходрика-Прескотта и МЕНЬШЕ.Оба результата выглядят хорошо, с учетом того, что если следует новая точка данных, которая сильно отличается от исторических точек данных, более старые значения должны быть пересмотрены / изменяются.Кто-нибудь знает метод, который реализован в R, который может делать то, что я хочу?Имя метода / функции, вероятно, будет вполне достаточно.Однако это должно быть что-то более сложное, чем левостороннее скользящее среднее, потому что я не хотел бы терять данные в начале временного ряда.Каждый комментарий помощи приветствуется!Большое спасибо!

С уважением,

Андреас

Answer 1

Я думаю (?), Что термин, который вы можете искать, это причинная фильтрация , то есть фильтрация, которая не зависит от будущих значений. В этой категории, вероятно, самый простой / самый известный подход - экспоненциальное сглаживание , которое реализовано в пакетах forecast и expsmooth (library("sos"); findFn("{exponential smoothing}")).

Это помогает?

Answer 2

Кажется, вам нужен надежный двусторонний сглаживатель.Проблема в том, что выброс в конечной точке неотличим от внезапного изменения тренда.Становится ясно, что это выброс после того, как собраны еще несколько наблюдений (и даже тогда требуются некоторые сильные предположения о плавности тренда).

Я думаю, вам будет трудно добиться большего успеха, чем loess(), но другие функции, нацеленные на надежное сглаживание, включают

• smooth() для сглаживателей Тьюки;
• supsmu() для супергладчика Фридмана;

Сглаживание Ходрика-Прескотта не является устойчивым к выбросам.