Hola JMP-Com,
Recibí esta pregunta de un cliente que quería usar modelos ARIMA o pronósticos de series temporales (TSF) para su aplicación.
La columna 1 es una marca de tiempo
Columna 2: la columna N tiene los puntos de datos
La pregunta: ¿Puede la plataforma ARIMA o TSF dar cuenta de las contribuciones de los puntos de retraso que se encuentran en una escala de tiempo diferente?
Por ejemplo; Digamos que tengo datos de ventas mensuales y sé que las ventas de abril tienen un impacto en las ventas de junio. Entonces sé que un retraso de 2 meses es importante para mi modelo. Pero, ¿hay un retraso semanal/diario/por hora que también pueda tener un impacto en la actualidad? Entonces, sé que un retraso de 2 meses es importante, pero ¿puedo ver si el retraso de hace 3 semanas también es importante?
Los meses y las semanas están en diferentes escalas de tiempo, y el cliente tiene datos dados en minutos. Pero quieren saber qué escala de tiempo sería la más importante para su modelo de serie de tiempo: anual, trimestral, mensual, semanal. Y si es posible que un modelo de serie de tiempo use puntos de retraso de diferentes escalas de tiempo.
Gracias,
amoroso
En ARIMA y Exponential Smoothing (TSF), solo hay una escala de tiempo.
Puedo pensar en un par de formas de acomodar múltiples escalas:
- Trabaja con la escala de tiempo más fina. Si tiene información mensual y semanal, trabaje con la información semanal. La información mensual se agrega a partir de la semanal, o la semanal se distribuye utilizando la mensual. Cómo agregar, cómo distribuir, esas son las siguientes preguntas. También cuáles serán los "retrasos" usando la escala de tiempo más fina, por ejemplo, qué punto de tiempo "semanal" en la serie representa la información "mensual" a la que debe referirse.
- Trabajar con el modelo de Función de Transferencia, que puede incorporar información distinta a la propia serie. Por ejemplo, ajuste una serie "mensual", mientras agrega información "semanal" como una "entrada" adicional. (¿Pero qué semana usar? Entonces, la primera sugerencia de trabajar con una escala más fina sigue siendo relevante).
simplemente lanzando una idea loca para encontrar el retraso de tiempo más apropiado y no estoy seguro de que esto funcione.
Es posible que desee crear varias columnas a partir de su columna de tiempo para crear diferentes columnas de tiempo retrasado. Luego use modelos de ecuaciones estructurales para encontrar el retraso más representativo para sus datos de respuesta.
Podría ser disparar con elefantes sobre gorriones, pero podría funcionar;)
