R-预测多个时间序列1.5万个产品

Hi Stack Overflow社区。 p>

我有超过5万种产品的5周每周价格数据（5 * 15K ** 52条记录）。每个产品都是一个单变量时间序列。目的是预测每种产品的价格。

我熟悉单变量时间序列分析，在该分析中我们可以可视化每个ts序列，绘制其ACF，PACF并预测该序列。但是，当我有15K个不同的时间序列时，单变量时间序列分析是不可能的，无法分别显示每个时间序列，其ACF，PACF和预测，并分别对其进行调整/决定。

我正在寻找一些建议和指导，以解决使用R（首选）的多系列预测问题。任何帮助和支持将不胜感激。

谢谢。

我建议您使用auto.arima软件包中的forecast。

这样，您不必搜索正确的ARIMA模型。

auto.arima：根据AIC，AICc或BIC值返回最佳ARIMA模型。该功能在提供的顺序约束内对可能的模型进行搜索。

fit <- auto.arima(WWWusage)
plot(forecast(fit,h=20))

您可以输入一个时间序列而不是WWWusage来拟合ARIMA模型。然后使用forecast进行预测-在这种情况下，提前20个时间步（h=20）。

auto.arima基本上为您选择ARIMA参数（根据AIC-Akaike信息标准）。

如果对您而言计算量太大，则必须尝试。但总的来说，预测这么多时间序列并不少见。

要记住的另一件事可能是，时间序列中存在一些互相关，这毕竟不是那么不可能。因此，从预测精度的角度出发，不要将其视为单变量预测问题。

它的设置听起来与最近在Kaggle上保存的m5 forecasting competition类似。目标是明确预测沃尔玛在美国销售的各种产品的单位销售。

因此要预测很多时间序列的销售数据。在这种情况下，获胜者没有做单变量预测。此处为获胜solution的描述链接。由于设置似乎与您的设置非常相似，因此有必要在kaggle论坛中阅读一些有关此挑战的信息-甚至可能会有有用的笔记本（代码示例）。