问R-预测多个时间序列(15K产品)

EN

我建议您使用auto.arima包中的forecast。

这样你就不用去寻找正确的ARIMA模型了。

auto.arima:根据AIC、AICc或BIC值返回最佳ARIMA模型。该函数在所提供的订单约束范围内对可能的模型进行搜索。

fit <- auto.arima(WWWusage)
plot(forecast(fit,h=20))

而不是WWWusage，您可以放置一个时间序列，以适应ARIMA模型。然后使用forecast执行预测--在本例中，提前20步(h=20)。

auto.arima基本上为您选择ARIMA参数(根据Akaike信息标准)。

如果对你来说计算成本太高的话，你必须试一试。但总的来说，预测这么多时间序列并不少见。

另一件要记住的事情可能是，时间序列中可能存在某种相互关联，这毕竟不是那么不可能。因此，从预测精度的角度来看，不把这看作是一个单变量预测问题是有意义的。

这个设置听起来非常类似于最近在Kaggle上举行的m5预测竞争。目标是预测沃尔玛在美国销售的各种产品的单位销售额。

所以很多时间序列的销售数据都要预测。在这种情况下，胜利者没有做单变量预测。这里是对获奖解决方案的描述的链接。由于设置看起来与您的非常相似，在kaggle论坛上阅读一下这个挑战可能是有意义的--甚至可能有有用的笔记本(代码示例)可供使用。