用XTS对象预测Arima

Question

我有两个XTS对象（一列火车和一个测试/验证集），我想使用基于火车数据集的Arima模型在测试数据集上进行一步预测（即，一步一步样本预测）。但是，每当我使用“预测”功能时，结果似乎很奇怪。这可能是因为预测（）假定一个时间序列对象，而我具有XTS对象。 我想知道是否有人知道我想完成的工作？我也想产生像上载的图一样，但是由于我相信使用XTS对象，这再次非常奇怪。 我真的很感谢您的帮助，因为我真的卡在分析的这一步骤中！:) 我的训练集：

dput（head（xts.data）） 结构（C（2.74983173511717，2.75110969056266，2.79971738962803， 2.81540871942271，2.9343864331294，3.01504458458636，NA，0.0012779554549159， 0.0486076990653772，0.0156913297946755，0.11897992389023，0.080659412734247 ），class = c（“ XTS”，“ Zoo”），index = structure（C（1333324800，1333411200， 1333497600，1333584000，1333929600，1334016000），tzone =“ utc”，tclass =“ date”），.dim = c（6l，6l，， 2L），.dimnames = list（null，c（“ lvixcls”，“ ldvixcls”）））

我的验证集：

dput（头（验证）） 结构（C（3.2846635654062，3.31890213893533，3.33077491736561， 3.38371206732114，3.33434507467431，3.27184770963431），类= C（“ XTS”， “ Zoo”），索引=结构（C（1601510400，1601596800，1601856000， 1601942400，1602028800，1602115200），tzone =“ utc”，tclass =“ date”），.dim = c（6l，，6l，， 1L），.dimnames = list（null，“ lvixcls”））

这是我的训练集（用我的训练集（对LVIXCLS建模lvixcls） arima）

这是我的验证数据集 我想产生

r-code：

    data<- read_excel("VIXCLS 10 year data.xls")
    data<-na.omit(data)
    date <- as.Date(data$Date, "%m/%d/%Y")
    ts.data<-data
    ts.data$Date<-as.Date(ts.data$Date, format="%m/%d/%Y")
    xts.data2 <- xts(ts.data[2],ts.data$Date)
    ts.data$Date<-as.Date(ts.data$Date, format="%m/%d/%Y")
    xts.data2 <- xts(ts.data[2],ts.data$Date)
    xts.data<-xts.data2$lVIXCLS[0:2139]
    validation<-xts.data2$lVIXCLS[2140:2517]

Answer 1

为了能够在{tocast}软件包中将功能应用于数据，您只需要使用as.ts将数据转换为时间序列即可。例如：

# Your data

train.dat <- structure(c(2.74983173511717, 2.75110969056266, 2.79971738962803, 
             2.81540871942271, 2.93438864331294, 3.01504458458636, NA, 
             0.00127795544549159, 0.0486076990653772, 0.0156913297946755, 
             0.11897992389023, 0.0806559412734247 ), 
             class = c("xts", "zoo"), 
             index = structure(c(1333324800, 1333411200, 1333497600, 1333584000, 
                     1333929600, 1334016000), tzone = "UTC", tclass = "Date"), 
             .Dim = c(6L, 2L), .Dimnames = list(NULL, c("lVIXCLS", "ldVIXCLS")))

library(forecast)

fit <- auto.arima(as.ts(train.dat[,1]))
fit
# Series: as.ts(train.dat[, 1]) 
# ARIMA(0,1,0) 
# 
# sigma^2 = 0.004656:  log likelihood = 6.33
# AIC=-10.66   AICc=-9.33   BIC=-11.05

然后，您可以使用模型预测值：

forecast(fit)
# Point Forecast    Lo 80    Hi 80    Lo 95    Hi 95
# 7       3.015045 2.927599 3.102491 2.881307 3.148782
# 8       3.015045 2.891377 3.138712 2.825912 3.204177
# 9       3.015045 2.863584 3.166506 2.783405 3.246684
# 10       3.015045 2.840153 3.189937 2.747570 3.282519
# 11       3.015045 2.819509 3.210580 2.715999 3.314090
# 12       3.015045 2.800846 3.229243 2.687457 3.342632
# 13       3.015045 2.783684 3.246405 2.661209 3.368880
# 14       3.015045 2.767710 3.262379 2.636779 3.393310
# 15       3.015045 2.752707 3.277383 2.613833 3.416256
# 16       3.015045 2.738516 3.291573 2.592131 3.437959

绘制预测数据

plot(fit)

您还可以使用plot ：

您可以使用与相同的步骤分析测试数据多于。