¿Cómo lograr pronósticos estrictamente positivos?

Estoy trabajando en una serie temporal cuyos valores son estrictamente positivos . Al trabajar con varios modelos, incluidos AR, MA, ARMA, etc., no pude encontrar una manera fácil de lograr pronósticos estrictamente positivos.

Estoy usando R para hacer mis pronósticos, y todo lo que pude encontrar fue Forecast.hts {hts} que tiene un parámetro positivo descrito aquí:

Pronostique una serie de tiempo jerárquica o agrupada, paquete hts

## S3 method for class 'gts':
forecast((object, h,
  method = c("comb", "bu", "mo", "tdgsf", "tdgsa", "tdfp", "all"),
  fmethod = c("ets", "rw", "arima"), level, positive = FALSE,
    xreg = NULL, newxreg = NULL, ...))

positive
    If TRUE, forecasts are forced to be strictly positive

http://www.inside-r.org/packages/cran/hts/docs/forecast.gts

¿Alguna sugerencia para series de tiempo no jerárquicas? ¿Qué pasa con la generalización sobre el uso de otras restricciones como mínimo, máximo, etc.?

Incluso si no se implementa en R, se agradecerían sugerencias sobre artículos, modelos o transformaciones variables generales útiles.

time-series forecasting constrained-regression

— Ho1
fuente

Una de las cosas más fáciles, pero no siempre correctas, es simplemente pronosticar el registro de la variable.

— mpiktas

Para hacer eco en parte de @mpiktas, un enfoque es trabajar en la escala logarítmica. En la práctica, esto a menudo mejora varios aspectos del modelo a la vez. Si bien los intervalos de predicción se transforman nuevamente bien, debe tener cuidado con las predicciones medias (si la normalidad es razonable en los registros, puede obtener una estimación de la media de lognormal que generalmente es razonable si los tamaños de muestra son grandes). Una alternativa que a veces puede funcionar para algunos modelos de series de tiempo simples es usar un modelo Gamma.

— Glen_b -Reinstalar a Mónica el

Con el forecastpaquete para R, simplemente configúrelo lambda=0al ajustar un modelo. Por ejemplo:

fit <- auto.arima(x, lambda=0)
forecast(fit)

lambdalambda $\lambda=0$ lambda=0

Ver http://www.otexts.org/fpp/2/4 para mayor discusión.

— Rob Hyndman
fuente

Gracias Prof. Hyndman por su amable ayuda. ¡Creo que debería releer ese capítulo en serio! ¿Crees que mencionar esto en el capítulo 2-4 puede ayudar? ¡Creo que sí! :-) Quedan algunas preguntas para mí: ¿Se puede utilizar algún tipo de transformación para valores mínimos (o máximos) posibles? Estoy tratando de hacer esto con una función basada en el registro, pero después de todo, ¿es matemáticamente correcto el intervalo de confianza resultante?

— Ho1

Por favor haga la pregunta min / max por separado. Sí, los intervalos de predicción son correctos cuando se transforman de nuevo.

— Rob Hyndman

@ Ho1 Análisis de series de tiempo aplicado para pronósticos gerenciales por NELSON; Holden-Day 1973 pp162-165 discute esto en detalle ... con una opinión diversa

— IrishStat

Desafortunadamente, no funcionó como se esperaba, ya que cambió el método, y en lugar de una buena variación esperada en las predicciones, simplemente hizo una línea plana alrededor del promedio

— Diego Duarte el