В вопросе автоматической установки временных рядов с использованием R

Question

мы должны ежемесячно вмещать около 2000 или нечетные временные ряды, , в частности, они имеют очень своеобразное поведение, некоторые из них являются arma/arima, некоторые из них являются ewma, некоторые из них являются arch/garch с сезонностью и/или трендом или без него (единственное, что характерно для аспект времени).

можно теоретически построить модель ансамбля с использованием критерия aic или bic, чтобы выбрать подходящую модель, но известно ли сообществу о любой библиотеке, которая пытается решить эту проблему?

Google сделал мне известно из ниже одного Роба J Гайндманом link

, но они какие-либо другие альтернативы?

Answer 1

Есть два автоматические методы в forecast package: auto.arima() который будет обрабатывать автоматическое моделирование с использованием моделей ARIMA и ets(), которые будут автоматически выбирать лучшую модель от экспоненциального сглаживания семьи (в том числе тенденции и сезонности, где это уместно). AIC используется в обоих случаях для выбора модели. Тем не менее, никто не обрабатывает модели ARCH/GARCH. Пакет подробно описано в этой JSS статье: http://www.jstatsoft.org/v27/i03

Далее на ваш вопрос:

Когда можно будет использовать функции прогноза пакетов, особенно функцию ГЭ с высокой размерной данные (например, еженедельные данные)?

Возможно, в начале следующего года. Бумага написана (см. Robjhyndman.com/working-papers/complex-seasonality), и мы сейчас работаем над этим кодом.

Answer 2

Спасибо useRs, я пробовал пакет прогноза, который тоже был как составной частью arima и ets, но не для того, чтобы получить признание от aic или bic (sbc), поэтому теперь я склонен рассматривать каждый из временных рядов его собственная svm (поддерживающая векторная машина) из-за лучшей адаптивности к genralization, а также возможность добавлять другие переменные, кроме лаг и нелинейных функций ядра

Любые предчувствия?