R语言——自动arima

今天用一个有助于挽救脑细胞的工具，forecast包中的auto.arima

正常的arima当中至少会管大家要三个参数，p、d、q，但是不太懂时间序列的人通常在判断这一步时都很有障碍

而作为一个前缀带着auto字样的函数，它的主要工作是，你给它一个ts格式的时间序列，它在多次尝试之后，告诉你p、d、q的参数怎么设最合适

作为一个不通原理的操作系，先上今天的举例数据：

图画出来是这样：

一般熟悉又严谨的研究者们这时就开始给咱介绍什么差分啊、ACF、PACF之类的了，本人会的浅，所以干脆反一反，先试后改

装上forecast包，先做一遍看看情况：

library(“forecast”)

Auto1 <- auto.arima(D1)

自动计算的结果很坚定的给了咱一个ARIMA(0,1,0)的估计，本人可以负责任的告诉大家，这样一个模型在做后续预测时基本上就跟白做差不多，亲们可以眼见为实一下

F1 <- forecast(Auto1, h = 50)

plot(F1)

看见没，预测出来的结果基本上就是在整个数列最后一个值的基础上，随时间变化，震荡波动越来越大的这么一个估计，用本人有限的专业程度来解释的话，就是这个arima模型既没做自回归，也没有移动（p和q都是0），仅仅做了1阶差分而已（d=1）

那怎么干能让这个时间序列预测得有点人样呢？

刚刚既然做出它肯定满足一阶差分，咱就看看差分出来的东西是啥样吧，上函数diff

Diff1 <- diff(D1)

plot(Diff1)

啊欧，看来随时间变化波动幅度变大是没跑了，但为了能整出个结果，得转换数列减小波动变化

按理来说，要做到这个转化，咱可以考虑把整个数列除以一个随时间变化逐渐增大的函数，为了算起来简单，这里我直接除了一个指数函数exp(t)

（以下步骤是自己乱来的，可能不太科学）

EXPT <- exp(Data$T/465)

D2 <- D1/EXPT

plot(diff(D2))

这个差分序列看起来有点能用的意思了，再用auto.arima试试看

Auto2 <- auto.arima(D2)

现在这个模型总算不是010了，看看110的arima做出来的预测能好看点不

F2 <- forecast(Auto2, h = 50)

plot(F2)

局部放大一下：

plot(F2, xlim = c(400,515), ylim = c(500, 1500))

看来ar过程p=1做出来的预测是条倾斜的直线呢，虽然这个结果还是挺废的，不过算是有了一丢丢的改进吧

收工，今天不想晚睡~~