Ciao JMP-Com,
Ho ricevuto questa domanda da un cliente che desiderava utilizzare i modelli ARIMA o la previsione delle serie temporali (TSF) per la propria applicazione.
La colonna 1 è un timestamp
Colonna 2- La colonna N contiene i punti dati
La domanda: la piattaforma ARIMA o TSF possono tenere conto dei contributi provenienti da punti di ritardo che si trovano in una scala temporale diversa?
Per esempio; diciamo che ho dati sulle vendite mensili e so che le vendite di aprile hanno un impatto sulle vendite di giugno. Quindi so che un ritardo di 2 mesi è importante per il mio modello. Ma c'è un ritardo settimanale/giornaliero/orario che può avere un impatto anche oggi? Quindi so che un ritardo di 2 mesi è importante, ma posso vedere se anche il ritardo di 3 settimane fa è importante?
Mesi e settimane sono su scale temporali diverse e il cliente ha i dati forniti in minuti. Ma vogliono sapere quale scala temporale sarebbe la più importante per il loro modello di serie temporali: annuale, trimestrale, mensile, settimanale. E se è possibile per un modello di serie temporali utilizzare punti di ritardo di diverse scale temporali.
Grazie,
amorevole
In ARIMA e Exponential Smoothing (TSF), esiste una sola scala temporale.
Posso pensare a un paio di modi per ospitare più scale:
- Lavora con la scala temporale più precisa. Se disponi di informazioni mensili e settimanali, lavora con le informazioni settimanali. Le informazioni mensili vengono aggregate dal settimanale o settimanalmente vengono distribuite utilizzando il mensile. Come aggregare, come distribuire, queste sono le prossime domande. Anche quali "ritardi" utilizzeranno la scala temporale più fine, ad esempio quale punto temporale "settimanale" nella serie rappresenta le informazioni "mensili" a cui è necessario fare riferimento.
- Lavora con il modello della funzione di trasferimento, che può incorporare informazioni diverse dalla serie stessa. Ad esempio, inserisci una serie "mensile", mentre aggiungi informazioni "settimanali" come "input" aggiuntivo. (Ma quale settimana usare? Quindi il primo suggerimento di lavorare con una scala più fine è ancora rilevante.)
sto solo lanciando un'idea folle per trovare l'intervallo di tempo più appropriato e non sono sicuro che funzionerà.
Potresti voler creare più colonne dalla colonna del tempo per creare diverse colonne del tempo con ritardo. Quindi utilizza i modelli di equazioni strutturali per trovare il ritardo più rappresentativo per i tuoi dati di risposta.
Potrebbe essere sparare con elefanti su passeri ma potrebbe funzionare;)
