Прогнозирование с помощью моделей ARIMA
В предыдущем упражнении автоматический метод выбрал для данных austa модель ARIMA(0,1,1) с дрейфом, то есть
\(y_t = c + y_{t-1} + \theta e_{t-1} + e_t.\)
Теперь вы поэкспериментируете с различными другими моделями ARIMA для этих данных, чтобы посмотреть, как они влияют на прогнозы.
Функция Arima() позволяет задать конкретную модель ARIMA. Её первый аргумент, order, принимает вектор со значениями \(p\), \(d\) и \(q\). Второй аргумент, include.constant, — это логическое значение, которое определяет, включать ли константу \(c\), или дрейф. Ниже приведён пример конвейера, который строит прогнозы для usnetelec на основе модели ARIMA(2,1,2) с дрейфом:
> usnetelec %>%
Arima(order = c(2,1,2), include.constant = TRUE) %>%
forecast() %>%
autoplot()
Обратите внимание на то, как различные модели влияют на прогнозы и доверительные интервалы. Данные austa уже доступны в вашем рабочем пространстве.
Это упражнение является частью курса
Прогнозирование в R
Инструкции к упражнению
- Постройте прогнозы на основе модели ARIMA(0,1,1) без дрейфа.
- Постройте прогнозы на основе модели ARIMA(2,1,3) с дрейфом.
- Постройте прогнозы на основе модели ARIMA(0,0,1) с константой.
- Постройте прогнозы на основе модели ARIMA(0,2,1) без константы.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# 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(___, ___) %>% ___ %>% ___