時間序列預測我在 JMP 17.1 中創建了一些人工數據，如下所示：
它有一年的時間段和幾年的數據。當我使用 365 天的季節性時，它沒有任何週期性的預測。不知道為什麼。有人見過這個嗎？謝謝！
@劍草
回复：時間序列預測TSF 沒有很好地預測每日數據。@彭劉請給出意見。 謝謝！
我在 TS 平台上嘗試了季節性的 ARIMA。下面是它找到的最佳模式。 （我使用 ARIMA 模型組選項總共運行了 64 個模型）
根據頻譜密度（下圖），該數據中似乎有多個季節性成分。季節性 ARIMA 模型無法解釋多個季節性模式。
我有一組日平均溫度數據。其譜密度：
季節性 ARIMA 非常適合此數據
回复：時間序列預測謝謝， @劍草我沒有太多要補充的。 在我窺視您的解決方案之前，我什至無法接近您所得到的。
看這個系列是如何模擬的，這是一個相當複雜的過程。 基礎包括三個非季節性系列和它們的平方，然後將它們一起加權和，然後添加一個狀態切換的正弦波。 而且正弦波本身也不是主導信號。 看看 ACF，它的內存相當長。 ARIMA 在這一輪中獲勝。
回复：時間序列預測謝謝， @彭劉用於調查 TSF。 我的收穫是首先嘗試 TSF，尤其是當您有多個系列要預測時。失敗後去TS平台運行ARIMA 模型組特徵。像這樣擬合一組低階 ARIMA 模式：（ ##是每個時期的#obs；在本例中為 365）：
回复：時間序列預測我將數字編輯框的寬度擴大到 18，這樣 365 就可以顯示出來了。
回复：時間序列預測謝謝健！很高興知道如果事情在 TSF 中不起作用，那麼返回 TS 是下一個最好的選擇！
查理
