我有一些每日时间序列数据。我正尝试从历史数据集中预测未来3天。
历史数据显示，基于周一，周二等一周中的某一天的明显趋势。周一和周二是高点，周三通常是最高，然后在一周的其余部分中减小。
如果我每月或每周对数据进行分组，那么我肯定可以看到随着时间的推移趋势呈上升趋势。
我的目标是仅预测未来3天。我的直觉告诉我采用一种方法，我希望能对其他方法的优缺点提供一些反馈。
我的直觉告诉我，最好按周或月对数据进行分组，然后预测下周或下个月。假设我通过将每周的历史数据加载到ARIMA中，训练，测试和预测下周来预测下周的总数。在一周之内，每个星期几通常会贡献出该周总计的x％。因此，如果从历史上看，周三平均贡献了每周交易量的50％，而下周我预计将达到1000，那么我将周三预测为500。这是常见的做法吗？
或者，我可以将历史每日值加载到ARIMA中，进行训练，测试并让ARIMA预测接下来的3天。这里最大的区别是整个“每周预测”与“每日预测”。
在时间序列预测空间中，这是否是常见的辩论？如果是，也许有人可以建议一些关键词，我可以用Google搜索以了解自己的优缺点？
还有，当星期几是一个重要因素时，也许有一种建议的算法可以使用？
在此先感谢您的答复。 丹
答案 0 :(得分：2)
这是一个标准的每日时间序列问题，其中存在一个星期几的季节性。如果您使用的是R，则可以将时间序列设为ts的{{1}}对象，然后使用预测包中的frequency = 7对其进行预测。其他任何季节预报方法也可能适用。