EmpezarEmpieza gratis

ETS vs seasonal naive

Aquí vas a comparar los pronósticos ETS frente al método estacional ingenuo para 20 años de cement, que contiene la producción trimestral de cemento, usando validación cruzada en series temporales a 4 pasos vista. Como esto tarda un poco en ejecutarse, tendrás disponible en tu espacio de trabajo una versión acortada de la serie cement.

El segundo argumento de tsCV() debe devolver un objeto de pronóstico, así que necesitas una función que ajuste un modelo y devuelva pronósticos. Recuerda:

> args(tsCV)
function (y, forecastfunction, h = 1, ...)

En este ejercicio usarás una función de pronóstico existente y otra que hemos creado para ti. Recuerda: a veces los métodos simples funcionan mejor que los más sofisticados.

Este ejercicio forma parte del curso

Forecasting en R

Ver curso

Instrucciones del ejercicio

  • Ya tienes escrita una función para devolver pronósticos ETS, fets().
  • Aplica tsCV() tanto para ETS como para el método estacional ingenuo sobre los datos cement con un horizonte de pronóstico de 4. Usa las funciones fets (recién creada) y snaive (existente) como argumento de función de pronóstico para e1 y e2, respectivamente.
  • Calcula el MSE de los errores resultantes a 4 pasos y elimina los valores ausentes. Se te han proporcionado las expresiones para calcular el MSE, pero faltan los segundos argumentos opcionales (ya los has usado antes).
  • Guarda el mejor MSE como bestmse. Puedes simplemente copiar la línea completa de código que genera el mejor MSE del paso anterior.

ejercicio interactivo práctico

Prueba este ejercicio completando este código de ejemplo.

# Function to return ETS forecasts
fets <- function(y, h) {
  forecast(ets(y), h = h)
}

# Apply tsCV() for both methods
e1 <- tsCV(___, ___, h = ___)
e2 <- tsCV(___, ___, h = ___)

# Compute MSE of resulting errors (watch out for missing values)
mean(e1^2, ___)
mean(e2^2, ___)

# Copy the best forecast MSE
bestmse <- ___
Editar y ejecutar código