Данные, с которыми я работаю, показаны ниже.
254977 166862 192546 139148 158211 143186 129334 138307 175387 179093 179093 179093 173914 177048 159028 157566 173361 165577 156633 160009 169986 175534 182035 175418 190068 318906 206457 214399 227035 229593 304140 240359 219092 120673 229633 251370
использовал приведенный ниже код для прогнозирования
#Conversion to a time series
Sales_products<- ts(myts, start = 2016 ,frequency = 12)
#Removing outliers
sales<- tsclean(Sales_products)
# Arima auto generated
arimafore = forecast(auto.arima(sales), h = 5)
summary(arimafore)
Для краткого изложения () я получил результаты ниже
Forecast method: ARIMA(1,2,1)(0,0,1)[12]
Model Information:
Series: sales
ARIMA(1,2,1)(0,0,1)[12]
Coefficients:
ar1 ma1 sma1
-0.8670 -0.4627 0.5136
s.e. 0.1327 0.1962 0.3270
sigma^2 estimated as 328019666: log likelihood=-383.05
AIC=774.11 AICc=775.49 BIC=780.21
Error measures:
ME RMSE MAE MPE MAPE MASE ACF1
Training set 3485.018 16806.59 13183.17 1.960426 7.575784 0.3560643 0.1163094
Forecasts:
Point Forecast Lo 80 Hi 80 Lo 95 Hi 95
Jan 2019 250494.1 227140.9 273847.3 214778.4 286209.7
Feb 2019 276820.3 248688.8 304951.8 233796.8 319843.8
Mar 2019 274574.5 229773.4 319375.7 206057.1 343091.9
Apr 2019 295608.1 241251.7 349964.5 212477.2 378739.1
May 2019 295778.5 223994.9 367562.1 185994.9 405562.1
Почему результаты прогноза, которые я получаю, представлены в месяцах, на 5 месяцев января 2019 года, февраля 2019 года, марта 2019 года, апреля 2019 года и мая 2019 года вместо прогноза на 5 лет, 2019, 2020, 2021, 2022и 2023.