我已经使用滚动窗口方法生成了多个GARCH模型预测，其中每个特定的窗口代表了要向前移动一天的估计周

我的目标是从R中的<code>auto.arima</code>函数精确地重新创建说出最多的3个模型。我的示例使用以下系列：<

我制作了一个空矩阵，以使用时间序列数据和预测填充 <pre><code>pred &lt;- matrix(rep(NA,80),20,4) </code></pre>

我仅使用部分数据（<strong> series_mod </strong>）创建了具有<strong> 2个滞后时间</strong>的VAR模型，并希望根

我试图根据时间（x〜time）预测周期位置的未来值，并使用支持向量回归进行单变量预测。该模型非常适

可以通过以下方式（<strong> vars </strong>库）获得<strong> VAR模型</strong>的 95％的预测间隔： <pre><code>libra

我的系列有3个不同的列，第一个ID标签标识第一个出口，然后是时间标签，最后是测量。 我需要为

我正在尝试使用（多变量）顺序输入和非顺序输入对产品销售进行多步（即按顺序进行）预测。 具

是否可以获取<strong> pydlm </strong>预测的置信区间？我同时使用了<em> predictN </em>和<em> plotpredictN </em>这两

我有如下所示的输入数据。 （实际数据已删除）。我试图使用将近14个月的数据来预测VAL的未来3个月。

我有一个假设的患者群体在12个月内的癌症生存数据，因此我需要在24个月的时间内对其进行推断。到目

我正在复制论文<a href="https://www.sciencedirect.com/science/article/pii/S0169207011000781#br000135" rel="nofollow noreferrer">For

有很多类似的帖子都得到了很好的答复，但就我而言，这些都没有成功。 使用autoplot（）绘制预测

如<a href="https://otexts.com/fpp2/forecasting-on-training-and-test-sets.html" rel="nofollow noreferrer">here</a>所述，在测试集

我有过去2-3年的每周销售数据， 而且我已经发现，典型的订购周期是8周。 根据过去的数据，我想将每

我需要一个非时序数据集来评估R中的各种预测技术。请帮助我找到合适的数据集。我找不到。要求是：

我创建了一个函数，该函数可以让我使用<code>fable</code>包进行时间序列预测。该功能的想法是分析特定

因此，我每个季度都要清理一次收入数据，我需要做两个季度的移动平均值来预测每个单独产品未来五

我正在尝试自动化预测（1）每个州的总需求和（2）每个州的每个客户的需求的过程。应用的统计方法是

我已经训练了LSTM模型，并想在未来再预测2年吗？火车数据是一组5年的每周销售数据。 <pre><code>df=pd.r