엄격하게 긍정적 인 예측을 달성하는 방법?

나는 값이 엄격하게 양수인 시계열을 연구하고 있습니다. AR, MA, ARMA 등의 다양한 모델을 사용하여 긍정적 인 예측을 얻는 쉬운 방법을 찾을 수 없었습니다.

나는 예측을 위해 R 을 사용 하고 있으며 내가 찾을 수있는 모든 것은 여기에 설명 된 긍정적 인 매개 변수 가있는 predict.hts {hts}입니다 .

계층 적 또는 그룹화 된 시계열 예측, 패키지 HTS

## S3 method for class 'gts':
forecast((object, h,
  method = c("comb", "bu", "mo", "tdgsf", "tdgsa", "tdfp", "all"),
  fmethod = c("ets", "rw", "arima"), level, positive = FALSE,
    xreg = NULL, newxreg = NULL, ...))

positive
    If TRUE, forecasts are forced to be strictly positive

http://www.inside-r.org/packages/cran/hts/docs/forecast.gts

비 계층 적 시계열에 대한 제안 사항이 있습니까? 최소, 최대 등과 같은 다른 제약 조건 사용에 대한 일반화는 어떻습니까?

R로 구현되지 않더라도 기사, 모델 또는 유용한 일반 변수 변환에 대한 제안을 부탁드립니다.

time-series forecasting constrained-regression

— 호 1
소스

이 경우 가장 쉬운 방법은 아니지만 항상 올바른 방법 중 하나는 단순히 변수의 로그를 예측하는 것입니다.

— mpiktas

@mpiktas를 부분적으로 반향하려면 한 가지 방법은 로그 스케일을 사용하는 것입니다. 실제로 이것은 종종 모델의 여러 측면을 한 번에 개선합니다. 예측 구간은 양호하게 변환되지만 평균 예측은주의해야합니다 (로그에서 정규성이 합리적인 경우 표본 크기가 큰 경우 일반적으로 합리적인 로그 정규 평균의 추정치를 얻을 수 있음). 때때로 간단한 시계열 모델에서 작동 할 수있는 대안은 감마 모델을 사용하는 것입니다.

— Glen_b-복지 주 모니카

forecastR 용 패키지를 사용하여 lambda=0모델을 피팅 할 때 간단히 설정하십시오 . 예를 들면 다음과 같습니다.

fit <- auto.arima(x, lambda=0)
forecast(fit)

lambdalambda $\lambda=0$ lambda=0

자세한 내용은 http://www.otexts.org/fpp/2/4 를 참조 하십시오 .

— 롭 헨 드먼
소스

친절한 도움을 주신 Hyndman 교수님 께 감사드립니다. 나는 그 장을 진지하게 다시 읽어야한다고 생각합니다! 2-4 장에서 이것을 언급하면 도움이 될 것이라고 생각하십니까? 나도 그렇게 생각해! :-) 몇 가지 질문이 남아 있습니다. 가능한 최소값 (또는 최대 값)으로 어떤 종류의 변환을 사용할 수 있습니까? 로그 기반 함수를 사용 하여이 작업을 수행하려고하지만 결과 신뢰 구간이 수학적으로 정확합니까?

— Ho1

최소 / 최대 질문은 별도로 문의하십시오. 예, 역변환 될 때 예측 구간이 정확합니다.

— Rob Hyndman

NELSON의 경영 예측을위한 @ Ho1 응용 시계열 분석; Holden-Day 1973 pp162-165에서 이에 대해 자세히 논의합니다 ... 다양한 의견으로

— IrishStat

안타깝게도 방법이 변경되어 예상대로 작동하지 않았으며 예측에 대한 예상되는 변화가 아니라 평균 주위에 평평한 선을 만들었습니다.

— Diego Duarte