Diferente método de estimación de parámetros auto.arima

Question

Estoy intentando ajustar una serie temporal multivariante con el método auto.arima() en R. Como mi serie temporal tiene estacionalidad, incluí la aproximación de Fourier y utilicé el siguiente método propuesto por Rob J Hyndman

bestfit<-list(aicc=Inf) # Select K value
for(i in 1:25)
{
fit<- auto.arima(y, xreg=fourier(y, K=i), seasonal=FALSE) 
 if(fit$aicc<bestfit$aicc)
   bestfit<-fit
 else break;
}

Aparte de añadir más variables que aumentarán la estimación, se ajusta bien a los métodos utilizados por el paquete. A mi entender, la estimación se realiza mediante "CSS-ML". Sin embargo, estoy pronosticando la demanda de productos donde el error se mide por una función de pérdida pinball similar a:

\begin{align} L(q_a, y) = \begin{cases}(1 - a/100) (q_a - y), & \text{if $y< q_a$};\\ a/100 (y - q_a), & \text{if $y\ge q_a$}; \end{cases} \end{align}

Me gustaría estimar mis parámetros minimizando una función de pérdida pinball como la anterior para el auto.arima() función. No tiene que ser específicamente esta función, pero la minimización de una función de pérdida en combinación con la auto.arima() sería genial. ¿Alguien tiene alguna sugerencia sobre cómo hacerlo?

Answer 1

No creo que auto.arima() (o cualquiera de los paquetes de previsión estándar en R) se pueda utilizar directamente con la pérdida de pinball. Usted tendría que escribir sus propias funciones para hacerlo.

Sin embargo, una solución para su problema es generar previsiones utilizando auto.arima(), y luego utilizar los intervalos de previsión para calcular los cuantiles, lo que le permitiría simular una previsión generada utilizando pinball loss.

Véase esta entrada del blog de Rob Hyndman para más detalles .