Se ve bien, auto.arima()
prueba con muchos modelos candidatos. Uno de ellos puede ser dudoso.
El auto.arima()
El algoritmo sigue a Hyndman & Khandakar (2008) Automatic time series forecasting ( pdf ), aunque la prueba de la OCSB es una novedad. El algoritmo prueba diferentes versiones de p, q, P y Q y elige la que tenga el menor AIC, AICc o BIC. La elección del criterio depende de los parámetros que se pasen a la función. Para algunas versiones de p, q, P y Q, es posible que no se pueda ajustar un modelo y, por lo tanto, se obtiene esa advertencia. Sin embargo, se selecciona uno "bueno".
También debes asegurarte de que tienes suficientes datos, al menos cuatro años.
Algunas comprobaciones importantes:
- ¿Tiene sentido el modelo? Por ejemplo, si tiene ventas mensuales al por menor, probablemente esperará que se ajuste un modelo estacional.
- ¿Qué tan bien se pronostica fuera de la muestra?
0 votos
¿puede proporcionar los datos?