時系列とさまざまなタイムスケールのラグの寄与JMP-Com さん、こんにちは。
ARIMA モデルまたは時系列予測 (TSF) をアプリケーションに使用したいと考えているお客様から、この質問を受けました。
列 1 はタイムスタンプです
列 2 - 列 N にはデータ ポイントが含まれます
質問: ARIMA プラットフォームまたは TSF は、異なるタイム スケールのラグ ポイントからの寄与を考慮できますか?
例えば;たとえば、月次の売上データがあり、4 月の売上が 6 月の売上に影響を与えることがわかっているとします。 したがって、私のモデルにとって 2 か月の遅れが重要であることがわかりました。 しかし、今日にも影響を与える可能性のある週ごと、日ごと、時間ごとのずれはあるのでしょうか? 2 か月の遅れが重要であることはわかりますが、3 週間前の遅れも重要かどうかを確認できますか?
月と週は異なる時間スケールであり、顧客は分単位でデータを取得します。 しかし、彼らは、時系列モデルにとってどの時間スケールが最も重要であるかを知りたいと考えています (年、四半期、月、週)。 そして、時系列モデルが異なるタイム スケールのラグ ポイントを使用できるかどうか。
ありがとう、
素敵な
Re: 時系列とさまざまなタイムスケールのラグの寄与ARIMA と指数平滑法 (TSF) では、時間スケールは 1 つだけです。
複数のスケールに対応する方法がいくつか考えられます。
- より細かい時間スケールで作業します。 月次情報と週次情報がある場合は、週次情報を使用して作業します。 週次から月次の情報を集計したり、月次を利用して週次を配信したりすることができます。 どのように集約するか、どのように分散するか、それが次の質問です。 また、より細かい時間スケールを使用すると、どのような「ラグ」が発生するか、たとえば、シリーズ内のどの「週次」時点が参照する必要がある「月次」情報を表すかなどです。
- シリーズ自体以外の情報を組み込むことができる伝達関数モデルを操作します。 たとえば、追加の「入力」として「週次」情報を追加しながら、「月次」シリーズを適合させます。 （でも何週に使うの？ したがって、より細かいスケールで作業するという最初の提案は依然として有効です)。
Re: 時系列とさまざまなタイムスケールのラグの寄与最適なタイムラグを見つけるためにクレイジーなアイデアを投入しただけですが、これがうまくいくかどうかはわかりません。
時間列から複数の列を作成して、異なる時間差のある時間列を構築することもできます。 次に、構造方程式モデルを使用して、応答データの最も代表的な遅れを見つけます。
スズメに象を乗せて撮影するかもしれないが、うまくいくかもしれない 
