Sto cercando di spiegare a me stesso i risultati della previsione dall'applicazione di un modello ARIMA a un set di serie temporali. I dati provengono dalla M1-Competition, la serie è MNB65. Sto cercando di adattare i dati a un modello ARIMA (1,0,0) e ottenere le previsioni. Sto usando R. Ecco alcuni frammenti di uscita:Spiegazione delle previsioni da un modello 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
ho alcune domande:
(1) Come faccio a spiegare che, anche se il set di dati mostra una chiara tendenza al ribasso, le previsioni da questo modello tendenze verso l'alto. Ciò accade anche per ARIMA (2,0,0), che è il miglior adattamento di ARIMA per i dati utilizzando auto.arima (pacchetto di previsione) e per un modello ARIMA (1,0,1).
(2) Il valore di intercettazione per il modello ARIMA (1,0,0) è 12260,298. L'intercettazione non dovrebbe soddisfare l'equazione: C = mean * (1 - sum (coefficienti AR)), nel qual caso il valore dovrebbe essere 715.52. Devo mancare qualcosa di base qui.
(3) Si tratta chiaramente di una serie con media non stazionaria. Perché un modello AR (2) è ancora selezionato come il miglior modello da auto.arima? Potrebbe esserci una spiegazione intuitiva?
Grazie.
Ho votato per chiudere questo perché non è una domanda di programmazione. –