1

1か月の稼働日数に敏感な予測モデルを作成したいと思います。たとえば、今年（2012年）のクリスマスは週の真ん中にあるため、12月はクリスマスが週末の場合よりも大幅に短くなります。ForecastProのような商用パッケージには、「ヘルパーファイル」と呼ばれるものの助けを借りてこれを行う機能があることを私は知っています。誰かがRでこれを実証できるかどうか疑問に思いましたか？

次の時系列がありますが、これは前の期間を超えて予測したいと思います。

ts <- structure(c(88.3, 97.1, 110.2, 93.1, 104.7, 102.6, 94.8, 85.6, 
103.8, 109.6, 111.4, 98.6, 102.5, 101.8, 113.6, 99, 104.6, 106, 
99.2, 87.5, 101.6, 111.3, 106.9, 91.6, 99.4, 100.3, 108.3, 106.2, 
104.1, 105.2, 103.9, 85.8, 107.5, 113.7, 110, 97, 101.6, 102.4, 
112, 104.1, 103.3, 104.4, 106.1, 83.9, 112.2, 117.7, 110.2, 104.7, 
101.8, 106.9, 123.3, 112.5, 108.7, 117.4, 109.3, 92.3, 118, 117.6, 
121.3, 108, 106.5, 109.6, 121, 116.3, 114, 121.8, 109.9, 99.1, 
124, 121.2, 128.2, 113.1, 117.5, 119.4, 139.9, 119.4, 131, 131.3, 
117.1, 107.1, 128.7, 133.7, 134.6, 115.3, 126.3, 124.9, 140.5, 
123.6, 129.9, 132.9, 127.6, 113.1, 130, 141.5, 139.4, 112.8, 
132.5, 133.8, 132.7, 138.7, 128.5, 133.2, 130.8, 105.5, 134.4, 
134.4, 118.3, 99.9, 102.8, 103.3, 113.8, 104.6, 101.4, 109.9, 
109.9, 90.6, 118.1, 119.8, 115.8, 104.2, 104.3, 109.5, 128.7, 
116.2, 115.2, 126.2, 116.9, 102.6, 127, 126.6, 129, 115.3, 115.8, 
118.4, 137.3, 119.4, 128.1, 125.7, 117.1, 109.4, 130.3, 123.7, 
127.9, 111.3, 117.1, 120.5, 132, 115.5, 123.3, 122.9, 118.3), .Tsp = c(2000, 
2012.5, 12), class = "ts")

私はまた、営業日について次の情報を持っています（まだすべての休日をマッピングしていません）が、それは私たちが概念を見るのを制限するべきではありません。

workingdays <- structure(c(21L, 21L, 23L, 20L, 23L, 22L, 21L, 23L, 21L, 22L, 
22L, 21L, 23L, 20L, 22L, 21L, 23L, 21L, 22L, 23L, 20L, 23L, 22L, 
21L, 23L, 20L, 21L, 22L, 23L, 20L, 23L, 22L, 21L, 23L, 21L, 22L, 
23L, 20L, 21L, 22L, 22L, 21L, 23L, 21L, 22L, 23L, 20L, 23L, 22L, 
20L, 23L, 22L, 21L, 22L, 22L, 22L, 22L, 21L, 22L, 23L, 21L, 20L, 
23L, 21L, 22L, 22L, 21L, 23L, 22L, 21L, 22L, 22L, 22L, 20L, 23L, 
20L, 23L, 22L, 21L, 23L, 21L, 22L, 22L, 21L, 23L, 20L, 22L, 21L, 
23L, 21L, 22L, 23L, 20L, 23L, 22L, 21L, 23L, 21L, 21L, 22L, 22L, 
21L, 23L, 21L, 22L, 23L, 20L, 23L, 22L, 20L, 22L, 22L, 21L, 22L, 
23L, 21L, 22L, 22L, 21L, 23L, 21L, 20L, 23L, 22L, 21L, 22L, 22L, 
22L, 22L, 21L, 22L, 23L, 21L, 20L, 23L, 21L, 22L, 22L, 21L, 23L, 
22L, 21L, 22L, 22L, 22L, 21L, 22L, 21L, 23L, 21L, 22L, 23L, 20L, 
23L, 22L, 21L, 23L, 20L, 21L, 22L, 23L, 20L, 23L, 22L, 21L, 23L, 
21L, 22L), .Tsp = c(2000, 2013.91666666667, 12), class = "ts")

稼働日が含まれる月数は、最初の時系列（ts）の範囲を大幅に超えていることに気付くでしょう。

稼働日系列を考慮してts系列を予測できる予測モデルを作成するために、正しい方向（使用する関数など）を教えてくれる人がいるかどうかを評価してください。予測では、これは、予測の月の稼働日数に基づいて値を調整することを意味します。私は少し立ち往生していて、私が知っている予測/時系列関数のいずれかでこれを行う方法を想像することができないようです。

ご協力いただきありがとうございます！Jochem

4

2 に答える 2

4

これを試して：

require(forecast)
fit <- auto.arima(ts,xreg=window(workingdays,end=2012.5))
fcast <- forecast(fit,xreg=window(workingdays,start=2012.51))
于 2012-11-12T09:20:04.140 に答える
2

問題に関連するパッケージについては、CRAN時系列タスクビューを確認します。特定の関数/パッケージに特定の問題がある場合は、ここで新しい質問をすることができます。

于 2012-11-11T08:45:07.493 に答える