진행중인 기간에 대한 예측 오류 (신뢰 구간)를 계산하는 방법은 무엇입니까?

월간 데이터 시리즈에서 향후 기간을 예측해야하는 경우가 종종 있습니다.

시계열에서 다음 기간에 대한 알파의 신뢰 구간을 계산하는 공식을 사용할 수 있지만 여기에는 두 번째 기간과 세 번째 등을 처리하는 방법이 포함되지 않습니다.

어떤 예측이 신뢰 구간을 상하로 그래프로 표시 할 경우 불확실성이 누적 력이므로 일반적으로 이러한 구간이 평균 예측에 비해 기하 급수적으로 증가 또는 감소해야한다고 시각적으로 상상했습니다.

4 월 = 5 월 10 일 = 6 월 8 일 = 7 월 11 일 = 13의 단위 판매가 있고 계절성 또는 인구 데이터와 같은 다른 컨텍스트가 없다고 가정 해 봅시다.

10 월, 9 월, 9 월을 예측해야합니다.

어떤 방법을 사용 하시겠습니까? 더 중요한 것은 9 월과 10 월에 대한 신뢰도를 어떻게 측정 할 것인가?

이것은 일부 전문가에게는 간단한 질문 일 수 있습니다. 죄송합니다. 분명한 답변을 찾기 위해 멀리 파고 들었으며 이것이 나와 같은 모든 아마추어가 이해하고 싶어하는 것입니다.

예측 간격을 계산 하는 좁은 측면이 너무 많습니다 . 데이터 생성 프로세스 및이 프로세스를 설명하는 데 사용 된 모델 (시계열 모델, 회귀 모델)은 데이터가 고정적입니다 (이 유형의 경우 고정 데이터가 실행되지 않는 경향으로 결론이 잘못됨) 평균값과는 거리가 멀거나 폭발적 일 경우 (통합 프로세스의 경우 설명한 내용이 표시됨) Chris Chatfield의 예측 간격 에 대한 훌륭한 리뷰가 대부분의 질문에 대한 답변 이라고 생각합니다 .

단위 판매와 관련하여 :

• 예측 간격이 짧기 때문에 지수 평활 법으로 예측하려고 시도 할 수 있습니다 (R의 ets()함수입니다 forecast)
• 다른 옵션은 ARIMA 프로세스처럼 모델링하는 것입니다 (동일한 라이브러리에는 auto.arima())
• 그러나 미시 경제학에서는 회귀 모형이 이론 이론적 모델보다 바람직하지만 단기적으로는 반드시 처음 두 개를 이길 필요는 없다

두 경우 모두 예측 구간을 계산하는 공식이 있으며 위에서 언급 한 검토에서 논의됩니다 (일반적으로 잔차의 정규성이 가정되지만 중요한 가정은 아님).