Description Usage Arguments Details Value Author(s) References See Also Examples
View source: R/CMISMultiForecastExtraFunctions.R
Em analise...
1 | MultiForecast(x, Control = cmisControl(), fcMethod=NULL)
|
x |
S<c3><a9>rie temporal |
fcMethod |
M<c3><a9>todo de forecast definida pelo utilizador. Se NULL, a escolha <c3><a9> feita automaticamente. |
Control |
Argumentos para a an<c3><a1>lise |
Esta fun<c3><a7><c3><a3>o utiliza v<c3><a1>rios m<c3><a9>todos de forecast implementados no pacote forecast
para fazer modelagem de s<c3><a9>rie temporais. Foi criado para cada m<c3><a9>todo de forecast um wraper que permite ser chamado pela fun<c3><a7><c3><a3>o gen<c3><a9>rica MultiForecast
. Estes wrapers s<c3><a3>o:
- stsForecast: Modelos estruturais
- hwForecast: Modelos HoltWinters
- tbatsForecast: Modelos TBATS
- auto.arimaForecast: Modelos ARIMA autom<c3><a1>ticos
- sesForecast: Modelos de suaviza<c3><a7><c3><a3>o exponencial
- meanForecast: Modelos de m<c3><a9>dias simples
- holtForecast: Modelos Holt
- batsForecast: Modelos BATS
- etsForecast: Modelos de estados de espa<c3><a7>o (State Space)
- arimaForecast: Modelos ARIMA fixos
- lmForecast: Modelos lineares
- thetaForecast: Modelos theta
- rwForecast: Modelos random walk (Passeio aleat<c3><b3>rio)
- snaiveForecast: Modelos naive sazonais
- naiveForecast: Modelos naive simples
- nnetarForecast: Modelos de redes neurais (N<c3><a3>o possui limites de predi<c3><a7><c3><a3>o)
- HWsForecast: Modelos HoltWinters sazonais
- HWnsForecast: Modelos HoltWinters n<c3><a3>o sazonais
- HWesForecast: Modelos HoltWinters com alizamento exponencial
No caso dos modelos ETS e ARIMA autom<c3><a1>ticos, a escolha dos melhores ajustes <c3><a9> feita pela estat<c3><ad>stica AIC, para os outros tipos de modelos o ajuste <c3><a9> feito sobre os dados sem crit<c3><a9>rio de bondade para a rodada inicial de ajustes. A escolha final dos melhores modelos <c3><a9> feita automaticamente utilizando a estat<c3><ad>stica definida no Controle. O padr<c3><a3>o <c3><a9> MAPE (Erro M<c3><a9>dio Absoluto Percentual).
Em complemento o analista pode observar as estat<c3><ad>sticas de acur<c3><a1>cia e de qualidade do res<c3><ad>duos utilizando func<c3><a7><c3><b5>es especiais como Acuracia
e Mresid
no caso de uma an<c3><a1>lise fina individualmente, pois o objeto de sa<c3><ad>da cont<c3><a9>m os modelos escolhidos e permite acesso.
Lista com os melhores modelos de forecast escolhidos.
LOPES, J. E.
Hyndman, R.J. and Khandakar, Y. (2008) "Automatic time series forecasting: The forecast package for R", Journal of Statistical Software, 26(3).
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 | ## Dados
data(diario)
## Controle
Control <- cmisControl(
maxHorizon = 45,
level = 95,
onlyfc = FALSE,
cvMethod = "MAPE",
tsfrequency = "day",
outputFormat = "forecast"
)
fit <- MultiForecast(diario[,2], Control)
# Analise de residuos (p.valor dos testes)
sapply(fit, Mresid)
# Estat<c3><ad>stica dos modelos
sapply(fit, tsSummary)
|
Add the following code to your website.
For more information on customizing the embed code, read Embedding Snippets.