代码之家 › 专栏 › 技术社区 › RLave

在KFAS上自动使用SSMcustom以实现时间序列每日效果

kalman-filter time-series r

RLave · 技术社区 · 6 年前

KFAS 套餐必须提供。

同时不不不同的事件。

以下是一些应该澄清的例子,我希望:

library(fpp2)
library(KFAS)
# required libraries
y <- hyndsight # just for the example
plot(hyndsight)
abline(v = c(19, 35, 47), col = "red", lwd = 2)

水平功能:

# Z and T component for event on pos 19
aZ1 <- array(0, c(1, 1, length(y)))
aZ1[1, 1, (19 + 1):length(y)] <- 1 # 1s from pos 19(+1) forward
aT1 <- array(1, c(1, 1, length(y)))

# Z and T component for event on pos 35
aZ2 <- array(0, c(1, 1, length(y)))
aZ2[1, 1, (35 + 1):length(y)] <- 1 # 1s from pos 35(+1) forward
aT2 <- array(1, c(1, 1, length(y)))

# Z and T component for event on pos 47
aZ3 <- array(0, c(1, 1, length(y)))
aZ3[1, 1, (47 + 1):length(y)] <- 1 # 1s from pos 47(+1) forward
aT3 <- array(1, c(1, 1, length(y)))

mod <- SSModel(y~0+SSMtrend(2, list(NA, NA))+SSMseasonal(12, NA)+
        SSMcustom(Z = aZ1, T = aT1,
                  R = matrix(0, 1, 0), Q = matrix(0, 0, 0),
                  a1 = 0, P = matrix(0), P1inf = matrix(1))+ # first event
        SSMcustom(Z = aZ2, T = aT2,
                  R = matrix(0, 1, 0), Q = matrix(0, 0, 0),
                  a1 = 0, P = matrix(0), P1inf = matrix(1))+ # second event
        SSMcustom(Z = aZ3, T = aT3,
                  R = matrix(0, 1, 0), Q = matrix(0, 0, 0),
                  a1 = 0, P = matrix(0), P1inf = matrix(1)), # third event
H = NA)

initial_val <- c(0,0,0,0,0,0,0) # the first 4 are always there
fit <- fitSSM(mod, intits = initial_val)

现在,问题是,如何根据要建模的事件数“自动化”这个过程?

如您所见,对于每个事件,我需要创建一个向量 aZ 还有一个向量 aT SSMcustom 函数,如果我有一个新的时间序列,我只需要评估两个事件,或者四个或更多。

问题是我不能一直添加 SSM自定义 对于模型,我想传递一个向量为的新时间序列不事件,并自动构建相同的模型,但要计算的事件数除外。我可以建立一个独特的 SSM自定义 所有的事件?

initial_val 必须改变,但不那么复杂总是4+ ,与事件数。

我知道这个问题很具体,也许更适合交叉验证,但我不太确定。

1 回复 | 直到 6 年前

AlainD 6 年前

引入“永久冲击”变量,冲击前等于0,冲击后等于1(每次冲击一个变量)。然后将这些变量作为解释变量(回归)添加到模型中,并查看它们是否显著。

注意这些变量中的每一个都会降低自由度。所以你可能想用相同的冲击系数来测试模型。