多元时间序列的向量自回归模型：趋势和季节性

Question

我有3个时间序列，我想预测每个时间序列的未来值。 我正在使用VARS！包装在R。

所以这就是方法：

1. 分解乘法时间序列并取出趋势，季节性和随机部分。

   time_series1_components = decompose(time_series1,type="mult")
   

为所有时间序列执行此操作。

1. 在随机零件上应用VAR模型并预测未来值：

   random_part1 = time_series1_components$random
   random_part2 = time_series2_components$random
   random_part3 = time_series3_components$random
   merged_df = ts.union(random_part1, random_part2,random_part3, dframe = TRUE)
   merged_mat <- data.matrix(merged_df)
   merged_mat = na.exclude(merged_mat)
   checklag = VARselect(merged_mat)
   EstimateModel=VAR(merged_mat, p = 2, type = "const", season = NULL, exogen = NULL)
   summary(EstimateModel)
   roots(EstimateModel)
   predict(EstimateModel)`
   

2. 现在，我应该将随机部分的预测值与趋势和季节性结合起来。并绘制一个显示过去值和预测值的图表（单独突出显示）。 我怎样才能做到这一点？ 任何指针都会有所帮助。