К вопросу об автоматическом подборе временных рядов с использованием R

Question

мы должны соответствовать примерно 2000 или нечетным временным рядам каждый месяц, в частности, у них очень своеобразное поведение, некоторые из них - арма / арима, некоторые - эвма, некоторые - арка / гарч с сезонностью и / или без тренда (или без тренда) (единственное, что общего - это аспект временных рядов).

теоретически можно построить ансамблевую модель с критерием aic или bic, чтобы выбрать модель наилучшего соответствия, но известно ли сообществу о какой-либо библиотеке, которая пытается решить эту проблему?

Google сообщил мне о нижеследующем Робе Хиндмане ссылка

но есть ли другие альтернативы?

Answer 1

В пакете прогноза есть два автоматических метода : auto.arima(), которые будут обрабатывать автоматическое моделирование с использованием моделей ARIMA, и ets(), которые автоматически выберут лучшую модель из семейства экспоненциального сглаживания (включая тренд и сезонность, где это уместно). AIC используется в обоих случаях для выбора модели. Ни один не обрабатывает модели ARCH / GARCH. Пакет описан более подробно в этой статье JSS: http://www.jstatsoft.org/v27/i03

В дополнение к вашему вопросу:

Когда можно будет использовать функции пакета прогноза, особенно ETS функция с высокой размерностью данные (например, недельные данные)?

Вероятно, в начале следующего года. Документ написан (см. Robjhyndman.com/working-papers/complex-seasonality), и мы сейчас работаем над кодом.

Answer 2

Благодаря useRs, я попробовал пакет прогноза, который тоже представляет собой совокупность аримы и ets, но не очень приветствуется от aic или bic (sbc), поэтому я теперь испытываю желание относиться к каждому из временных рядов к его собственный svm (механизм опорных векторов) благодаря лучшей адаптируемости к генерализации, а также способности добавлять другие переменные, кроме лагов и нелинейных функций ядра

Какие-нибудь предчувствия?