Zacznij terazZacznij za darmo

Prognozowanie za pomocą modeli ARIMA

Automatyczna metoda z poprzedniego ćwiczenia dobrała model ARIMA(0,1,1) z dryftem dla danych austa, tzn.: \(y_t = c + y_{t-1} + \theta e_{t-1} + e_t.\) Teraz poeksperymentujesz z różnymi innymi modelami ARIMA dla tych danych, żeby zobaczyć, jak wpływają na prognozy.

Funkcja Arima() pozwala wybrać konkretny model ARIMA. Jej pierwszy argument, order, przyjmuje wektor określający wartości \(p\), \(d\) i \(q\). Drugi argument, include.constant, to wartość logiczna wskazująca, czy stała \(c\) (czyli dryft) ma być uwzględniona. Poniżej znajdziesz przykład potoku, który wykreśla prognozy dla usnetelec z modelu ARIMA(2,1,2) z dryftem:

> usnetelec %>%
    Arima(order = c(2,1,2), include.constant = TRUE) %>%
    forecast() %>%
    autoplot()

Obserwuj, jak poszczególne modele wpływają na prognozy i przedziały predykcji. Dane austa są już dostępne w twoim środowisku pracy.

To ćwiczenie jest częścią kursu

Prognozowanie w R

Zobacz kurs

Instrukcje do ćwiczenia

  • Wykreśl prognozy z modelu ARIMA(0,1,1) bez dryftu.
  • Wykreśl prognozy z modelu ARIMA(2,1,3) z dryftem.
  • Wykreśl prognozy z modelu ARIMA(0,0,1) ze stałą.
  • Wykreśl prognozy z modelu ARIMA(0,2,1) bez stałej.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Plot forecasts from an ARIMA(0,1,1) model with no drift
austa %>% Arima(order = c(___, ___, ___), include.constant = ___) %>% ___ %>% ___

# Plot forecasts from an ARIMA(2,1,3) model with drift
austa %>% Arima(___, ___) %>% ___ %>% ___

# Plot forecasts from an ARIMA(0,0,1) model with a constant
austa %>% Arima(___, ___) %>% ___ %>% ___

# Plot forecasts from an ARIMA(0,2,1) model with no constant
austa %>% Arima(___, ___) %>% ___ %>% ___
Edytuj i uruchom kod