¿Cómo descomponer una serie temporal con múltiples componentes estacionales?

Question

Tengo una serie temporal que contiene componentes estacionales dobles y me gustaría descomponer la serie en los siguientes componentes de la serie temporal (tendencia, componente estacional 1, componente estacional 2 y componente irregular). Por lo que sé, el procedimiento STL para descomponer una serie en R sólo permite un componente estacional, así que he intentado descomponer la serie dos veces. Primero, estableciendo que la frecuencia sea el primer componente estacional utilizando el siguiente código:

ser = ts(data, freq=48)
dec_1 = stl(ser, s.window="per")

A continuación, descompuse el componente irregular de la serie descompuesta ( dec_1 ) fijando la frecuencia en la segunda componente estacional, de forma que:

ser2 = ts(dec_1$time.series[,3], freq=336)
dec_2 = stl(ser2, s.window="per")

No me inspira mucha confianza este planteamiento. Y me gustaría saber si hay alguna otra forma de descomponer una serie que tiene múltiples estacionalidades. Además, me he dado cuenta de que el tbats() en R previsión permite ajustar un modelo a una serie con múltiples estacionalidades, sin embargo, no dice cómo descomponer una serie con él.

Answer 1

R's forecast paquete bats() y tbats() pueden ajustar modelos BATS y TBATS a los datos. Las funciones devuelven listas con un atributo de clase "bats" o "tbats". Uno de los elementos de esta lista es una serie temporal de vectores de estado, $x(t)$ para cada momento, $t$ .

Véase http://robjhyndman.com/papers/complex-seasonality/ para las fórmulas y Hyndman et al (2008) para una mejor descripción de los modelos ETS. BATS y TBATS son una extensión de ETS.

Por ejemplo:

fit <- bats(myTimeseries)
fit$x

En este caso, cada fila de x estará en el armónico de Fourier.

También hay plot.tbats() y plot.bats() para descomponer y visualizar automáticamente los componentes.

Answer 2

R's forecast dispone ahora de una función mstl() para manejar la descomposición de series temporales estacionales múltiples.

Esta página tiene más detalles sobre cómo usarlo: https://pkg.robjhyndman.com/forecast/reference/mstl.html

Answer 3

El facebook profeta El paquete admite múltiples estacionalidades .

Las estacionalidades anuales, semanales y diarias están incorporadas, pero pueden especificarse estacionalidades personalizadas.

He aquí una estacionalidad mensual personalizada:

df <- ...     # data to build model on or decompose
future <- ... # data to make forecasts on

m <- prophet(weekly.seasonality = FALSE)
m <- add_seasonality(m, name = 'monthly', period = 30.5, fourier.order = 5)
m <- fit.prophet(m, df)
forecast <- predict(m, future)
prophet_plot_components(m, forecast)

Si predict() se llama sin pasar un marco de datos, entonces descompondrá las series temporales utilizadas para construir el modelo.