怎样预测weekly的时间序列

大家好！最近在做对weekly的时间序列的预测。首先我发现这个时间序列是季节性的,语句是fit <- tbats(x)seasonal <- !is.null(fit$seasonal)
seasonal
把序列用ts调整过后，用auto.arima算出最佳模型，但是结果并不理想。而且得到的模型也只是（p,d,q)而不是(p,d,q)(P,D,Q)s。请问我应该怎么改呢？

用ARIMA做实际预测，管用那才叫奇了怪。
如果方便，你最好能介绍一下背景。 做预测分析，知道的背景越多，越有利于建立模型。当然，没有也行。

一个时间序列，要有长期趋势，要有季节趋势。那你就找点什么数据做长期趋势的变量，找个变量做季节趋势变量。
比如饮料的预测，通常是某个城市的人口，人均GDP，这些作为长期趋势。前者是总基数，后者是购买力。 然后一般用温度作为变量，做季节趋势值。 然后就可以搞一个饮料在某一个城市的周的销量预测了。

jameschin007 发表于 2017-1-14 00:09
用ARIMA做实际预测，管用那才叫奇了怪。
如果方便，你最好能介绍一下背景。 做预测分析，知道的背景越多， ...

谢谢你！我研究的是外汇交易方面的。我目前只有每周的交易数据，我想预测下一周的。你的意思是不是要设置其他和趋势有关系的自变量，然后建模分析呢？请问这样是不是就用不上arima了？最近在考虑要不要用bayesian.

关注这个话题，我也想学习。

Dongeva 发表于 2017-1-14 20:14
谢谢你！我研究的是外汇交易方面的。我目前只有每周的交易数据，我想预测下一周的。你的意思是不是要设置 ...

股市，汇市，出现个跌破3，4个标准差的事情，不算太少见吧。 按照理论，这种事情1000年遇上一次。实际呢，可能几年就一次。 所以说白了，理论里的假设和现实差距比较大。所以金融工程现在研究的都是找到一个套利，而不是靠单纯预测。