सिम्युलेटेड ARIMA का फोरकास्टिंग
अब जब आप ARIMA मॉडल फिट करने में माहिर हैं, तो आप इन कौशलों का उपयोग फोरकास्टिंग में कर सकते हैं. पहले, आप सिम्युलेटेड डेटा पर काम करेंगे.
हमने AR पैरामीटर .9 के साथ ARIMA(1,1,0) मॉडल से 120 ऑब्ज़र्वेशन जेनरेट किए हैं. डेटा y में है और पहले 100 ऑब्ज़र्वेशन x में हैं. ये ऑब्ज़र्वेशन आपके लिए प्लॉट किए गए हैं. आप x के डेटा पर ARIMA(1,1,0) मॉडल फिट करेंगे और जाँचेंगे कि मॉडल अच्छी तरह फिट हो रहा है. फिर astsa के sarima.for() का उपयोग करके आप डेटा को 20 समय अवधियों आगे तक फोरकास्ट करेंगे. इसके बाद आप फोरकास्ट्स की तुलना y में मौजूद वास्तविक डेटा से करेंगे.
फोरकास्टिंग के लिए बेसिक सिंटैक्स है sarima.for(data, n.ahead, p, d, q) जहाँ n.ahead एक पॉज़िटिव इंटीजर है जो फोरकास्ट होराइज़न बताता है. प्रेडिक्टेड वैल्यूज़ और उनके स्टैंडर्ड एरर्स प्रिंट होते हैं, डेटा काले रंग में प्लॉट होता है, और फोरकास्ट लाल रंग में, साथ ही 2 mean square prediction error बाउंड्स नीली डैश्ड लाइनों के रूप में दिखते हैं.
astsa पैकेज प्रीलोडेड है और डेटा (x) तथा डिफरेंस्ड डेटा (diff(x)) प्लॉट किए गए हैं.
यह अभ्यास पाठ्यक्रम का हिस्सा है
R में ARIMA मॉडल्स
अभ्यास निर्देश
- मॉडल तय करने के लिए डिफरेंस्ड डेटा का sample ACF और PACF प्लॉट करें.
sarima()का उपयोग करके डेटा पर ARIMA(1,1,0) फिट करें. फिट और मॉडल डायग्नोस्टिक्स को आँकने के लिए अपनेsarima()कमांड के आउटपुट की जाँच करें.sarima.for()का उपयोग करके डेटा को 20 समय अवधियों आगे तक फोरकास्ट करें. इसकी तुलना वास्तविक मानों से करें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Plot P/ACF pair of differenced data
# Fit model - check t-table and diagnostics
# Forecast the data 20 time periods ahead
sarima.for(x, n.ahead = ___, p = ___, d = ___, q = ___)
lines(y)