Tôi đang cố gắng giải thích cho bản thân kết quả dự báo từ việc áp dụng mô hình ARIMA vào tập dữ liệu chuỗi thời gian. Dữ liệu được lấy từ Cuộc thi M1, series là MNB65. Tôi đang cố gắng để phù hợp với dữ liệu cho một mô hình ARIMA (1,0,0) và nhận được dự báo. Tôi đang sử dụng R. Dưới đây là một số đoạn đầu ra:Giải thích dự báo từ mô hình ARIMA
> arima(x, order = c(1,0,0))
Series: x
ARIMA(1,0,0) with non-zero mean
Call: arima(x = x, order = c(1, 0, 0))
Coefficients:
ar1 intercept
0.9421 12260.298
s.e. 0.0474 202.717
> predict(arima(x, order = c(1,0,0)), n.ahead=12)
$pred
Time Series:
Start = 53
End = 64
Frequency = 1
[1] 11757.39 11786.50 11813.92 11839.75 11864.09 11887.02 11908.62 11928.97 11948.15 11966.21 11983.23 11999.27
Tôi có một vài câu hỏi:
(1) Làm thế nào để giải thích rằng mặc dù các số liệu cho thấy một xu hướng giảm rõ ràng, dự báo từ mô hình này xu hướng trở lên. Điều này cũng xảy ra đối với ARIMA (2,0,0), là ARIMA phù hợp nhất cho dữ liệu sử dụng auto.arima (gói dự báo) và cho mô hình ARIMA (1,0,1).
(2) Giá trị chặn cho mô hình ARIMA (1,0,0) là 12260.298. Không nên đánh chặn thỏa mãn phương trình: C = mean * (1 - tổng (AR coeffs)), trong trường hợp đó, giá trị phải là 715.52. Tôi phải thiếu một cái gì đó cơ bản ở đây.
(3) Đây rõ ràng là chuỗi có ý nghĩa không cố định. Tại sao mô hình AR (2) vẫn được chọn là mô hình tốt nhất bởi auto.arima? Có thể có một lời giải thích trực quan?
Cảm ơn.
Tôi đã bỏ phiếu để đóng vì đây không phải là câu hỏi lập trình. –