我有2013-02-18到2017-02-12年间的每日销售数据,只有4天的数据缺失(所有的Xmases在每年的25)。这些假日的销售量为零。,我的目的是通过短期预测未来5-7天的销售数据,了解如何在接下来的一周为我的商店配备人员。
我首先将这些数据设置为一个时间序列:
ts <- ts(mydata, frequency = 365)然后通过分解进行初步分析:

这似乎表明我有一个下降的销售趋势,但有一些季节性,如果我没有弄错。因此,为了开始我的预测实现,我为头两年的数据建立了一个arima模型:
fit <- auto.arima(ts[1:730], stepwise = FALSE, approximation = FALSE)
Series: ts[1:730]
ARIMA(4,1,1)
Coefficients:
ar1 ar2 ar3 ar4 ma1
0.3638 -0.2290 -0.1451 -0.2075 -0.8958
s.e. 0.0413 0.0388 0.0388 0.0398 0.0241
sigma^2 estimated as 15424930: log likelihood=-7068.67
AIC=14149.33 AICc=14149.45 BIC=14176.88这种模式对我来说似乎不合适,因为它不包括任何季节性。我知道我有足够的数据。Rob的博客说,尝试使用ets,这也没有显示季节性。我对这个数据系列或预测方法有什么不了解的?
发布于 2017-07-28 19:37:02
我在统计数据交换论坛上再次问这个问题更合适。有人能帮我在stackexchange中结束这个问题吗?
问题就在这里。https://stats.stackexchange.com/questions/295012/forecast-5-7-day-sales
https://stackoverflow.com/questions/45379892
复制相似问题