R：具有可变预测范围的 Arima() 每日预测系列 (forecast())

如何解决R：具有可变预测范围的 Arima() 每日预测系列 (forecast())

我在每日时间序列 x_0 到 x_n 上估计了一个 ARIMA 模型（实际上是一个模型列表）。给定估计的模型，我“简单地”想生成一个向量（无需重新估计）Y_(n+1),j 到 y_m,j，其中每个元素 y_i,j（n+1:m 中的 i）是进程 j 天前的期望（j 不是常数），条件是 x_(i-1),x_(i-2),...

我遇到的问题是forecast()。也就是说，我不知道如何将更新的 x 值传递给测试中每一行的预测（），在每一行中，我实际上是在创建一个新的预测对象。过去几天我查看了 Stack 的所有内容，但没有找到解决方案。如果能解决我的问题，我也愿意接受 Python 的建议。

在某些情况下，如果有帮助，我每天都会预测我的变量（VIX 指数），在由其 VVIX 期货合约到期时间定义的时间段内（随着系列中的合约到期，它会减少和跳跃，并且分别由期限较长的合约取代。）

如果您需要代码或其他示例，我很乐意提供，但这个概念很容易理解，所以希望有人比我更了解这个库的限制。非常感谢任何帮助/建议！

注意：我知道我可能需要自己计算期望值，但我很快就要召开研究会议，想知道是否可以使用 predict() 来完成此任务，谢谢！

~胭脂红

编辑：这是要复制的代码。在 Arima() 对象存储在“模型”中后，我需要创建（在本例中）一个包含 50 个条目的向量，其中每个条目是时间 T（n_step先）。欢迎任何建议！！

x <- rnorm(100)+1
train_test <- list(train=x[1:50],test=x[51:100])
n_step <- ceiling(runif(n=50,min=1,max=20))
model <- Arima(train_test[[1]],order=c(1,1),method="ML")

解决方法

我编写了一个程序来执行本文中询问的预测。代码非常适合我的研究，但我做了一个简化的例子，在这里分享一下。请注意，arima 模型对象中的系数索引不是常数。我只是将所有模型系数对齐到一个 nx7 矩阵（我最多使用 3 个 ar、ma 项和截距），并逐行循环。希望它可以帮助某人，因为它肯定会帮助我！欢迎任何关于修改或改进的建议！

-胭脂红

library(forecast)

train <- vix$Close[1:1000] ;test <- vix$Close[1001:2000]
fit <- Arima(train,order=c(2,2));coefs <- as.numeric(fit$coef)
xreg <- train;eps <- fit$residuals
n_step <- rep(10:3,125);nth_step_fc <- numeric()

for(i in 1:length(test)){
  n_step_fc <- numeric(n_step[i])
  xreg_temp <- xreg;eps_temp <- eps
  for(j in 1:n_step[i]){          
    n_step_fc[j] <- coefs[1]*(xreg_temp[length(xreg_temp)]-coefs[5])+ # ar1
      coefs[2]*(xreg_temp[length(xreg_temp)-1]-coefs[5])+             # ar2
      coefs[3]*(eps_temp[length(eps_temp)]+             # ma1
      coefs[4]*eps_temp[length(eps_temp)-1]+             # ma2
      coefs[5]                                             # intercept
    eps_temp <- append(eps,0)                            # mean est (not point)
    xreg_temp <- append(xreg,n_step_fc[j])
  }
  nth_step_fc[i] <- n_step_fc[j]
  eps_i <- n_step_fc[1]-test[i]
  eps <- append(eps,eps_i)
  xreg <- append(xreg,test[i])
}