具有多重季节性的时间序列预测
机器学习
2020-08-31 v1 机器学习
摘要
越来越多新兴的现代应用涉及对同时呈现短时动态与长时季节性的时间序列数据进行预测。具体而言，具有多重季节性的时间序列是一项困难任务，相关讨论相对较少。本文针对具有多重季节性的时间序列提出一种两阶段方法，该方法无需预先确定的季节性周期。在第一阶段，我们将经典的季节性自回归移动平均（ARMA）模型推广到多重季节性情形。在第二阶段，我们采用适当的准则进行滞后阶数选择。模拟与实证研究表明，我们的方法具有优异的预测性能，尤其是与近期流行的用于时间序列的“Facebook Prophet”模型相比。
引用
@article{arxiv.2008.12340,
title = {Forecasting with Multiple Seasonality},
author = {Tianyang Xie and Jie Ding},
journal= {arXiv preprint arXiv:2008.12340},
year = {2020}
}