Closed xuanan-zhu closed 2 years ago
亲爱的余老师，您好！ 启发：指数模型和ARIMA模型都是预测时间序列的主流方法。虽然线性指数平滑模型其实都是 ARIMA 模型的特例，但是非线性的指数平滑模型在 ARIMA 模型中并没有对应的部分。另一方面，也有很多 ARIMA 模型不包含指数平滑的部分。二者还有一个重要区别：所有指数平滑模型都是非平稳的，而有些ARIMA模型是平稳的。所以我们可以选择这两种模型来进行估计，并且只需要选择指数模型或者ARIMA模型即可，具体到指数模型中的哪一个，ARIMA模型中的哪一个，可以通过函数自动选择最适模型。 1.这次更新增加了指数模型，模型包括，具有加性误差的简单指数平滑：ETS（A，N，N），具有乘性误差的简单指数平滑：ETS（M，N，N），具有加性误差的Holt线性方法：ETS（A，A，N），具有乘性误差的Holt线性方法：ETS（M，A，N）以及ETS的其他模型。 2.用户可以通过选择这两个模型来进行方差的估计预测。 代码运行.pdf
亲爱的余老师，您好！ 启发：指数模型和ARIMA模型都是预测时间序列的主流方法。虽然线性指数平滑模型其实都是 ARIMA 模型的特例，但是非线性的指数平滑模型在 ARIMA 模型中并没有对应的部分。另一方面，也有很多 ARIMA 模型不包含指数平滑的部分。二者还有一个重要区别：所有指数平滑模型都是非平稳的，而有些ARIMA模型是平稳的。所以我们可以选择这两种模型来进行估计，并且只需要选择指数模型或者ARIMA模型即可，具体到指数模型中的哪一个，ARIMA模型中的哪一个，可以通过函数自动选择最适模型。 1.这次更新增加了指数模型，模型包括，具有加性误差的简单指数平滑：ETS（A，N，N），具有乘性误差的简单指数平滑：ETS（M，N，N），具有加性误差的Holt线性方法：ETS（A，A，N），具有乘性误差的Holt线性方法：ETS（M，A，N）以及ETS的其他模型。 2.用户可以通过选择这两个模型来进行方差的估计预测。 代码运行.pdf