Intento pronosticar 15 puntos de datos basados en una serie temporal de 61 puntos de datos. Cada punto es el total diario de una medida, y los valores de cero son posibles. Tengo los valores reales de los 15 puntos que estoy tratando de predecir, por lo que el modelo puede ser validado con esta información. Los datos y mi código están al final.
Parece que hay una estacionalidad semanal en los datos (lo que tiene sentido en la vida real, lamentablemente no puedo revelar de qué se trata la medida). He intentado ajustar un ARIMA(0,1,1)*(0,1,1) $_{7}$ modelo al logaritmo de los datos. Sin embargo, la previsión exponenciada arroja valores nulos (o muy cercanos) para los 15 días; véase el gráfico del final para comparar los valores reales con los previstos.
¿Qué me estoy perdiendo / haciendo mal? Soy bastante nuevo en la previsión ARIMA / series temporales, pero he intentado leer todo lo posible y en teoría este modelo sería un buen punto de partida.
Aquí están mis datos y mi código:
data train;
infile cards;
input date mmddyy10. x;
format date : date10.;
datalines;
9/1/2016 241
9/2/2016 233
9/3/2016 197
9/4/2016 214
9/5/2016 0
9/6/2016 88
9/7/2016 446
9/8/2016 719
9/9/2016 118
9/10/2016 55
9/11/2016 198
9/12/2016 114
9/13/2016 300
9/14/2016 129
9/15/2016 58
9/16/2016 95
9/17/2016 159
9/18/2016 222
9/19/2016 141
9/20/2016 213
9/21/2016 109
9/22/2016 136
9/23/2016 41
9/24/2016 104
9/25/2016 276
9/26/2016 76
9/27/2016 0
9/28/2016 34
9/29/2016 0
9/30/2016 110
10/1/2016 136
10/2/2016 0
10/3/2016 45
10/4/2016 33
10/5/2016 712
10/6/2016 130
10/7/2016 139
10/8/2016 88
10/9/2016 39
10/10/2016 66
10/11/2016 32
10/12/2016 0
10/13/2016 240
10/14/2016 105
10/15/2016 174
10/16/2016 91
10/17/2016 10
10/18/2016 158
10/19/2016 55
10/20/2016 0
10/21/2016 133
10/22/2016 534
10/23/2016 274
10/24/2016 129
10/25/2016 49
10/26/2016 0
10/27/2016 18
10/28/2016 316
10/29/2016 0
10/30/2016 193
10/31/2016 0
;
data test;
infile cards;
input date mmddyy10. x;
format date : date10.;
datalines;
11/1/2016 36
11/2/2016 161
11/3/2016 211
11/4/2016 128
11/5/2016 232
11/6/2016 244
11/7/2016 65
11/8/2016 110
11/9/2016 35
11/10/2016 315
11/11/2016 193
11/12/2016 31
11/13/2016 83
11/14/2016 114
11/15/2016 103
;
proc timeseries data=train plot=(series periodogram);
var x;
id date interval=day;
spectra freq period p / adjmean bart c=1.5 expon=0.2 ;
run;
data train;
set train;
xlog = log(x+0.0000001);
run;
proc arima data=LUCRU.train;
identify var = xlog(1,7);
estimate q=(1)(7) method=ml;
forecast id=date interval=day lead=15 printall out=fcast;
run;
data fcast_exp;
set fcast;
where date >= '01nov2016'd;
ForecastValue = exp(FORECAST);
run;
proc sql noprint;
create table TestResults as
Select t1.*, t2.Actual from
(Select Date, ForecastValue from fcast_exp) t1
INNER join
(Select Date, x as Actual from test) t2
ON t1.Date = t2.Date;
quit;
proc sgplot data=TestResults nocycleattrs;
series x=Date y=Actual / lineattrs=(color=blue);
series x=Date y=ForecastValue / lineattrs=(color=red);
run;
