Bonjour JMP-Com,
J'ai reçu cette question d'un client qui souhaitait utiliser des modèles ARIMA ou des prévisions de séries chronologiques (TSF) pour son application.
La colonne 1 est un horodatage
Colonne 2- La colonne N contient les points de données
La question : la plate-forme ARIMA ou la TSF peuvent-elles tenir compte des contributions des points de retard qui se situent dans une échelle de temps différente ?
Par exemple; disons que j'ai des données de ventes mensuelles et que je sais que les ventes d'avril ont un impact sur les ventes de juin. Je sais donc qu'un décalage de 2 mois est important pour mon modèle. Mais y a-t-il un décalage hebdomadaire/quotidien/horaire qui peut également avoir un impact sur aujourd'hui ? Je sais donc qu'un décalage de 2 mois est important, mais puis-je voir si un décalage d'il y a 3 semaines est également important ?
Les mois et les semaines sont sur des échelles de temps différentes et le client dispose de données exprimées en minutes. Mais ils veulent savoir quelle échelle de temps serait la plus importante pour leur modèle de série chronologique : annuelle, trimestrielle, mensuelle, hebdomadaire. ET s'il est possible pour un modèle de série chronologique d'utiliser des points de décalage à différentes échelles de temps.
Merci,
amoureux
Dans ARIMA et Exponential Smoothing (TSF), il n'y a qu'une seule échelle de temps.
Je peux penser à plusieurs façons d'adapter plusieurs échelles :
- Travaillez avec l'échelle de temps la plus fine. Si vous avez des informations mensuelles et hebdomadaires, travaillez avec les informations hebdomadaires. Les informations mensuelles sont agrégées à partir de l'hebdomadaire, ou l'hebdomadaire est distribuée à l'aide du mensuel. Comment agréger, comment répartir, telles sont les prochaines questions. De plus, quels sont les "décalages" en utilisant l'échelle de temps plus fine, par exemple, quel point de temps "hebdomadaire" dans la série représente les informations "mensuelles" auxquelles vous devez vous référer.
- Travaillez avec le modèle de fonction de transfert, qui peut incorporer des informations autres que la série elle-même. Par exemple, adaptez une série "mensuelle", tout en ajoutant des informations "hebdomadaires" comme "entrée" supplémentaire. (Mais quelle semaine utiliser ? Ainsi, la première suggestion de travailler avec une échelle plus fine est toujours pertinente.)
il suffit de lancer une idée folle pour trouver le décalage temporel le plus approprié et je ne suis pas sûr que cela fonctionnera.
Vous souhaiterez peut-être créer plusieurs colonnes à partir de votre colonne de temps pour créer différentes colonnes de temps décalées dans le temps. Utilisez ensuite des modèles d'équations structurelles pour trouver le décalage le plus représentatif pour vos données de réponse.
Cela pourrait être de tirer avec des éléphants sur des moineaux, mais cela pourrait fonctionner 
