按时间序列预测累积变量

Question

我正在尝试基于永不减少的累积变量来构建时间序列模型。

我很想知道观察者何时会达到某个值（即，它将与下图中的蓝线相交）。

橙色线固定在最后一个已知数据点上，并根据最近5个可观察数据的平均值增加。

红线不固定，表示基于最后5个可观测量的线性拟合。这似乎有问题，因为在图中的时间段108中，预测值小于前一时间段中的可观察值，这将永远不会发生。

绿线不固定，表示基于所有可观测量的线性拟合。

我想知道是否有人可以建议一种替代/更好的方法来模拟这种情况。

Answer 1

我同意@Imo。

我建议遵循： 您可以使用所有数据或适当的子集（最近5次观察）估算每个时间段的线性增长。然后，使用时间段107中的观察来预测样本外时段的值。 例如，如果您的每个时间段的增加量为20（dx / dt），而您在T时刻的最后一次已知观测值为200（x），那么在时间T + 1时x将为220.

因此，您可以在绿线中应用您的解决方案，但是稍微向上移动以从最后一次观察开始。