Aus dem Lesen von Beiträgen auf dieser Site weiß ich, dass es eine R- Funktion gibt auto.arima
(im forecast
Paket ). Ich weiß auch, dass IrishStat , ein Mitglied dieser Site, Anfang der 1980er Jahre das kommerzielle Paket autobox erstellt hat . Da diese beiden Pakete heute existieren und automatisch Arima-Modelle für bestimmte Datensätze auswählen, was machen sie anders? Werden sie möglicherweise unterschiedliche Modelle für denselben Datensatz erstellen?
time-series
arima
automatic-algorithms
Michael R. Chernick
quelle
quelle
auto.arima
Funktionen in anderen Paketen, aber es gibt definitiv eine inforecast
, deren Beschreibung lautet: "Gibt das beste ARIMA-Modell gemäß zurück entweder auf AIC-, AICc- oder BIC-Wert. Die Funktion führt eine Suche über ein mögliches Modell innerhalb der angegebenen Ordnungsbeschränkungen durch. "Antworten:
michael / wayne
AUTOBOX würde definitiv ein anderes Modell liefern / identifizieren, wenn eine oder mehrere der folgenden Bedingungen erfüllt sind
1) Die Daten enthalten Impulse
2) Die Daten enthalten mindestens eine Pegel- / Stufenverschiebung
3) wenn die Daten saisonale Impulse enthalten
4) Die Daten enthalten mindestens einen lokalen Zeittrend, der nicht einfach behoben werden kann
5) wenn sich die Parameter des Modells mit der Zeit ändern
6) wenn sich die Varianz der Fehler mit der Zeit ändert und keine Leistungstransformation ausreicht.
In Bezug auf ein bestimmtes Beispiel würde ich vorschlagen, dass Sie beide eine Zeitreihe auswählen / erstellen und beide im Web veröffentlichen. Ich werde AUTOBOX verwenden, um die Daten in einem unbeaufsichtigten Modus zu analysieren, und ich werde die Modelle in der Liste veröffentlichen. Anschließend führen Sie das R-Programm aus, und jeder von Ihnen führt eine separate objektive Analyse beider Ergebnisse durch, wobei er auf Ähnlichkeiten und Unterschiede hinweist. Schicken Sie mir diese beiden Modelle mit allen verfügbaren Unterlagen einschließlich der endgültigen Fehlerbedingungen für meine Kommentare. Fassen Sie diese Ergebnisse zusammen und präsentieren Sie sie der Liste. Bitten Sie dann die Leser der Liste, für welche Vorgehensweise sie am besten stimmen.
quelle
Sie stellen zwei unterschiedliche Ansätze für zwei ähnliche, aber unterschiedliche Probleme dar. Ich schrieb
auto.arima
und @IrishStat ist der Autor vonAutobox
.auto.arima()
Passend für (saisonale) ARIMA-Modelle mit Driftbedingungen.Autobox
passt Übertragungsfunktionsmodelle an Pegelverschiebungen und Ausreißer an. Ein ARIMA-Modell ist ein Spezialfall eines Übertragungsfunktionsmodells.Selbst wenn Sie die Pegelverschiebungen und die Ausreißererkennung in ausgeschaltet hätten
Autobox
, würden Sie ein anderes ARIMA-Modell erhalten,auto.arima()
da bei der Identifizierung der ARIMA-Parameter unterschiedliche Entscheidungen getroffen wurden.Bei meinen Tests an den M3- und M-Wettkampfdaten
auto.arima()
entstehen genauere Vorhersagen alsAutobox
für diese Daten. AllerdingsAutobox
wird es besser machen mit Daten große Ausreißern und Pegelverschiebungen enthalten.quelle
EDIT: Nach Ihrem Kommentar, ich glaube, wenn Sie viele der
autobox
Optionen deaktivieren, erhalten Sie wahrscheinlich eine ähnliche Antwort aufauto.arima
. Aber wenn Sie dies nicht tun, und wenn Ausreißer vorhanden sind, wird es definitiv einen Unterschied geben: Esauto.arima
kümmert sich nicht um Ausreißer, währendautobox
sie erkannt und entsprechend behandelt werden, was ein besseres Modell ergibt. Es kann auch andere Unterschiede geben, und ich bin sicher, IrishStat kann diese beschreiben.Ich glaube,
autobox
erkennt Ausreißer und andere Dinge, die über die Suche nach den besten AR-, I- und MA-Koeffizienten hinausgehen. Wenn dies korrekt ist, sind weitere Analysen und einige andere R-Funktionen erforderlich, um eine ähnliche Funktionalität zu erhalten. Und IrishStats ist ein wertvolles Mitglied dieser Community und sehr freundlich.Natürlich ist R kostenlos und kann eine Unmenge von Dingen jenseits von ARIMA erledigen.
Eine andere Wahl, die für ARIMA im ökonomischen Stil kostenlos ist
X13-ARIMA SEATS
, ist das Open Source US Census Bureau. Es gibt Binärdateien für Windows und Linux, die sich jedoch problemlos auf meinem Mac kompilieren lassen, da ich gnus gfortran-Compiler bereits geladen hatte. Es ist der Nachfolger vonX12-ARIMA
und wurde erst in den letzten Tagen nach Jahren der Entwicklung und Erprobung veröffentlicht. (Es aktualisiert X12 und fügt auch SEATS / TRAMO-Funktionen hinzu. X12 ist das offizielle US-Tool, während SEATS / TRAMO von der Bank of Spain stammt und das "europäische Tool" ist.)Ich mag X12 (und jetzt X13) sehr. Wenn Sie eine ganze Reihe von Diagnosen ausgeben und diese durchlesen und lernen, was sie bedeuten, handelt es sich tatsächlich um eine ziemlich gute Ausbildung in ARIMA und Zeitreihen. Ich habe meinen eigenen Workflow entwickelt, aber es gibt ein R-Paket
x12
für die meisten Arbeiten in R (Sie müssen noch die Eingabemodelldatei (".spc") für X12 erstellen).Ich sage, dass X12 gut für ARIMA im "Economics Style" geeignet ist, um monatliche Daten mit Daten aus mehr als 3 Jahren zu bezeichnen. (Sie benötigen mehr als 5 Jahre Daten, um einige Diagnosefunktionen nutzen zu können.) Es verfügt über eine Funktion zur Identifizierung von Ausreißern, kann alle Arten von Ausreißerspezifikationen verarbeiten und kann Feiertage, gleitende Feiertage, Handelstageffekte und eine Vielzahl von wirtschaftlichen Dingen verarbeiten. Mit diesem Tool erstellt die US-Regierung saisonbereinigte Daten.
quelle
autobox
Sie dieselbe Antwort. Ein wichtiger Punkt bei der Verwendungautobox
ist jedoch, dass Ausreißer erkannt und als solche behandelt werden, sodass das zurückgegebene Modell bei Ausreißern anders aussehen würde.