浅谈时间序列和预测

1 创建时间序列

2 季节性分解

3 指数模型

4 ARIMA模型

5 自动预测

第一步：创建时间序列

用ts（）函数将一个数字向量转化为一个时间序列，形式为

ts(vector,start=,end=,frequency=),frequency=(1=annual,4=quartly,12=monthly,etc)

第二部：季节性分解

如果时间序列有增加的趋势，季节性，和不规则成分，则可以用stl（）函数，如果时间序列多重影响可以用log（ts）

#季节分解
fit=stl(ts,s.window="period")
plot(fit)
#添加图
monthplot(ts)
library(forest)
seasonplt(ts)

第三步：指数模型

#简单指数平滑模型
fit=HoltWinters(ts,beta=F,gamma=F)
#带有models level and trend
fit=HoltWinters(ts,beta=F)
#带有models levels,trend and seasonal compontents
fit=HoltWinters(ts)
#predict  accuracy
library(forecast)
accuracy(fit)

#predict next three future values
library(forecast)
forecast(fit,3)
plot(forecast(fit,3))