Pracuję nad alogorytmem w R, aby zautomatyzować miesięczne obliczanie prognozy. Korzystam między innymi z funkcji ets () z pakietu prognozy do obliczania prognozy. Działa bardzo dobrze.
Niestety, dla niektórych konkretnych szeregów czasowych wynik, który otrzymuję jest dziwny.
Poniżej znajduje się kod, którego używam:
train_ts<- ts(values, frequency=12)
fit2<-ets(train_ts, model="ZZZ", damped=TRUE, alpha=NULL, beta=NULL, gamma=NULL,
phi=NULL, additive.only=FALSE, lambda=TRUE,
lower=c(0.0001,0.0001,0.0001,0.8),upper=c(0.9999,0.9999,0.9999,0.98),
opt.crit=c("lik","amse","mse","sigma","mae"), nmse=3,
bounds=c("both","usual","admissible"), ic=c("aicc","aic","bic"),
restrict=TRUE)
ets <- forecast(fit2,h=forecasthorizon,method ='ets')
Poniżej znajduje się odpowiedni zestaw danych historycznych:
values <- c(27, 27, 7, 24, 39, 40, 24, 45, 36, 37, 31, 47, 16, 24, 6, 21,
35, 36, 21, 40, 32, 33, 27, 42, 14, 21, 5, 19, 31, 32, 19, 36,
29, 29, 24, 42, 15, 24, 21)
Tutaj na wykresie zobaczysz dane historyczne (czarny), dopasowaną wartość (zielony) i prognozę (niebieski). Prognoza zdecydowanie nie jest zgodna z dopasowaną wartością.
Czy masz pomysł, jak „związać” forekata, aby był „zgodny” z historyczną sprzedażą?
ets
. Średnia / poziom danych historycznych wynosi około 20, a średnia / poziom prognozy wynosi około 50. Nie wiesz, dlaczego tak się stanie? czy możesz uruchomić podstawowyets
i sprawdzić, czy uzyskasz takie same wyniki?