私は現在、過去のベースオイル価格から将来のベースオイル価格を予測するためのペットプロジェクトに取り組んでいます。データは週ごとに表示されますが、価格が不足している期間があります。不規則なデータによる時系列モデリング
完全なデータを使って時系列データをモデル化しても大丈夫ですが、不規則なものについては、私が学んだモデルは適用されないかもしれません。通常の方法で、xtsクラスを使用し、RのARIMAモデルを使用しますか?
将来の価格を予測するモデルを作成した後、精度向上のため原油価格変動、ディーゼル利益率、自動車販売、経済成長などを考慮したいと思います。誰かがこの効率的なやり方をどうやって行っていくのか、いくつかの光を当てることができますか?私の心の中では、それは迷路のように見えます。
編集:ここトリムデータ:https://docs.google.com/document/d/18pt4ulTpaVWQhVKn9XJHhQjvKwNI9uQystLL4WYinrY/edit
コーディング:
Mod.fit<-arima(Y,order =c(3,2,6), method ="ML")
結果: 警告メッセージ:ログ(S2)では :NaNのは生産
この警告は、影響を与えるだろう、私のモデル精度?
データがないため、ACFとPACFを使用できません。モデルを選択するより良い方法はありますか?私はAIC(赤池の情報基準)を使って、このコードを使って異なるARIMAモデルを比較しました.ARIMA(3,2,6)は最小のAICを与えました。
コーディング:
AIC<-matrix(0,6,6)
for(p in 0:5)
for(q in 0:5)
{
mod.fit<-arima(Y,order=c(p,2,q))
AIC[p+1,q+1]<-mod.fit$aic
p
}
AIC
結果:
[,1] [,2] [,3] [,4] [,5] [,6]
[1,] 1396.913 1328.481 1327.896 1328.350 1326.057 1325.063
[2,] 1343.925 1326.862 1328.321 1328.644 1325.239 1318.282
[3,] 1334.642 1328.013 1330.005 1327.304 1326.882 1314.239
[4,] 1336.393 1329.954 1324.114 1322.136 1323.567 1316.150
[5,] 1319.137 1321.030 1320.575 1321.287 1323.750 1316.815
[6,] 1321.135 1322.634 1320.115 1323.670 1325.649 1318.015
ようこそ。いくつかのデータを投稿することは、あなたがすでに試したことを示すコードをいくつか示しているので、常に良いアイデアです。良い質問を書くためのヒントについては、http://stackoverflow.com/q/5963269/602276を参照してください。 – Andrie
ありがとうAndrie。あなたの助言に感謝します。できるだけ早くコードを書いていくつもりです。 – leejy
@Andrie私は、コーディングとトリミングされたデータで質問を更新しました。あなたはそれを見渡すことができますか?ありがとう!正しい軌道にいるのですか? – leejy