Rmidas_r中的混合数据采样

如何解决Rmidas_r中的混合数据采样

我有以下代码，其中我想使用每周时间序列（变量x）来预测我的每月时间序列（变量y）。

所以基本上我想用当月的1,2,3或全部4个星期（变量New_value）来预测当月的数据（变量y）。

但是，我不确定我是否使用了正确的滞后时间（我想是），但是我不确定如何解释midas_r函数（start = list（））中的起始值。

任何帮助将不胜感激。

######################
# MIDAS REGRESSION
####################
x <- structure(c(1.19,1.24,1.67,1.55,1.39,2.01,2.14,1.71,1.59,1.49,1.68,-0.37,-0.44,-7.87,-7.79,-31.22,-31.05,-30.47,-35.53,-25.48,-25.9,-19.03,-16.33,10.09,13.19,13.31,16.85,14.58,14.78,14.62,15.27,15.58,15.63,14.27,14.09,4.82,3.55,3.46,3.24,2.86,2.82),.Tsp = c(2020,2020.846154,52),class = "ts")
x <- diff(x)

y <- structure(c(2.30,2.64,2.77,2.83,-43.91,12.32,26.68,12.06,10.08,12.01,4.71,3.85),2020.91667,12),class = "ts")
y <- diff(y)

trend <- c(1:length(y))

#RUNNING THE MIDAS REGRESSION
reg <- midas_r(y ~ mls(y,1,1) + mls(x,4:7,m = 4,nealmon),start = list(x = c(1,-1,-1)))
summary(reg)
hAh_test(reg)

#forecast(reg,newdata = list(y = c(NA),x =c(rep(NA,4))))

#FORECAST WITH WEEKLY VALUES
reg <- midas_r(y ~ mls(y,3:7,-1)))
new_value <- 2.52
#new_value <- c(2.52,3.12)
forecast(reg,newdata = list(x = c(new_value,rep(NA,4-length(new_value)))))

解决方法

看起来您在缩进方面有问题，加上一些不必要的复杂性。

尝试类似的方法，看看是否可行：

for i in range(1,20):
    url = 'https://www.boliga.dk/salg/resultater?propertyType=4&street=&municipality=326&salesDateMin=2020&page=' + str(i)
    page = requests.get(url)
    soup = BeautifulSoup(page.text,'html.parser')    
    table = soup.find('table',{'class': 'table generic-table m-0 mb-3'})
    df = pd.read_html(str(table))[0]
    df = pd.DataFrame(df) #if it all works otherwise,try running the code w/out this line; it may be unnecessary
    df