问题描述
我正在使用寓言包来获取关于一组分层时间序列的预测。我想指定一个层次结构，该层次结构在所有节点上的深度都不相同。
实际示例：
- 时间序列B1和B2相加到时间序列M1。
- 时间序列M1和M2相加为时间序列T，该时间序列位于层次结构的顶部。
- 时间序列M2不是一组时间序列的总和；这是它自己的时间序列。
创建tsibble格式的小型随机数据集：
library(dplyr)
library(tsibble)
library(fable)
set.seed(1)
B1 <- rnorm(12,mean = 5) + (1:12)
B2 <- rnorm(12,mean = 5)
M2 <- rnorm(12,mean = 25)
ts_data <- tibble(value = c(B1,B2,M2),month = rep(yearmonth(paste("2020",1:12,sep="-")),3),B = c(rep("B1",12),rep("B2",rep("B3",12)),M = c(rep("M1",24),rep("M2",12))) %>%
as_tsibble(key = c("B","M"),index = month)
在3个时间序列中分别估算单独的ARIMA模型，进行汇总和预测：
fcsts <- ts_data %>%
# Specify hierarchy
aggregate_key(M / B,value = sum(value)) %>%
# Fit models
model(arima = ARIMA(value)) %>%
# Set up reconciliation
mutate(mint = min_trace(arima)) %>%
# Produce the forecasts
forecast(h = 1)
我担心结果可能不正确的原因是，我可以创建一个病理示例，即使没有实际的汇总，对帐也会产生较小的置信区间：
病理示例：
- 时间序列B3是M2的子代，它是T的子代。
我通过对上一个子集进行设置来为此示例创建一个数据集：
ts_data_2 <- ts_data %>%
filter(B == "B3")
再次估算单独的ARIMA模型，进行汇总和预测：
fcsts_2 <- ts_data_2 %>%
# Specify hierarchy
aggregate_key(M / B,value = sum(value)) %>%
# Fit models
model(arima = ARIMA(value)) %>%
# Set up reconciliation
mutate(mint = min_trace(arima)) %>%
# Produce the forecasts
forecast(h = 6)
结果如下：
> fcsts_2
# A fable: 6 x 6 [1M]
# Key: M,B,.model [6]
M B .model month value .distribution
<chr> <chr> <chr> <mth> <dbl> <dist>
1 M2 B3 arima 2021 Jan 24.9 N(25,0.63)
2 M2 <aggregated> arima 2021 Jan 24.9 N(25,0.63)
3 <aggregated> <aggregated> arima 2021 Jan 24.9 N(25,0.63)
4 M2 B3 mint 2021 Jan 24.9 N(25,0.21)
5 M2 <aggregated> mint 2021 Jan 24.9 N(25,0.21)
6 <aggregated> <aggregated> mint 2021 Jan 24.9 N(25,0.21)
即使没有实际的聚合，方差也从原始ARIMA模型中的0.63降低到0.21。当然，这是一个示例，其中根本不应该使用对帐，但是这里方差减小的事实使我担心，在实际示例中对帐无法正常工作。
有没有一种方法可以在实际示例中指定模型，以避免从B3到M2的聚合？ （我尝试使用NA代替B列中的级别“ B3”，但这不起作用。）
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）