Evitar resultados negativos en las previsiones de Holt Winters

Question

Tengo entendido que las previsiones de Holt Winters pueden dar lugar a valores negativos debido a la tendencia. He reducido el valor del componente de tendencia, pero los valores previstos siguen siendo negativos. Nuestro conjunto de datos nunca estará en valores negativos (como el conjunto de datos de electricidad, que nunca cae por debajo de CERO).

¿Qué tipo de técnicas de post algoritmo podemos aplicar para que este valor sea no negativo? Cualquier ayuda será apreciada.

Esta implementación está en Java, así que no puedo usar ets() paquete en este momento (y estoy asumiendo que ets() tampoco puede evitar los valores negativos).

Answer 1

Para responder a la parte de su pregunta relacionada con R, la función ets del previsión incluye un argumento lambda - cuando es verdadero, se utiliza una transformación Box-Cox que mantendrá las previsiones estrictamente positivas. Es posible que pueda utilizar el mismo enfoque general en Java.

Answer 2

Cuando sus datos deben ser positivos, no debe ajustar un modelo que pueda ser negativo, y si lo hace, no debe sorprenderse de que pueda pronosticar allí.

Si sus valores son todos estrictamente $> 0$ Un enfoque común es tomar logaritmos y ajustar (y pronosticar) un modelo en esa escala.

Hay otras formas de enfocar este tipo de problemas, pero esta es probablemente la más sencilla para empezar.

Sin embargo, hay que tener cuidado a la hora de transformar las previsiones: una previsión media en la escala logarítmica, si simplemente se exponentiza, no será una media después de transformarla de nuevo (sin embargo, puede ser una buena estimación de la mediana, y si debe tener una media hay un ajuste que se puede hacer).