Справа з відсутніми даними в експоненціальній моделі згладжування

Здається, не існує стандартного способу поводження з відсутніми даними в контексті експоненціального згладжування сімейства моделей. Зокрема, реалізація R, що називається ets в пакеті прогнозу, здається, просто займає найдовшу послідовність без пропущених даних, а книга "Прогнозування з експоненціальним згладжуванням" Hyndman et al. схоже, зовсім не говорить про відсутні дані.

Я хотів би зробити трохи більше, якщо мої користувачі відверто попросять мене (і якщо відсутні дані не трапляються занадто близько або в занадто багато періодів, які рівно один сезон). Зокрема, я маю на увазі наступне. Під час симуляції, коли я б зіткнутися відсутньою значення , я б замінити прогноз поточної точки до , так що . Наприклад, це призведе до того, що точка даних не буде врахована в процесі оптимізації параметрів. $y_t$ $\tilde y_t$ $y_t$ $\varepsilon_t = 0$

Після того, як у мене розумні придатного для параметрів, можна оцінити стандартне відхилення помилок (передбачається, що нормально з середнім значенням ) і переконайтеся , що з допомогою значення для генерується з цього розподілу не применшує ймовірність з великим коефіцієнтом. Я б використовував такі значення для прогнозування (використовуючи моделювання). $0$ $\epsilon_t$

Чи відомі підводні камені за допомогою цього методу?

time-series forecasting missing-data

— Ерік П.
джерело

Чи розглядали ви можливість використання гауссового процесу з експоненціальним коваріаційним ядром? Здається, це природний спосіб поводження з відсутніми даними та отримання довірчих інтервалів. R має пакет GPFit, в який ви можете заглянути.

— LE Роджерсон

Ваш підхід має сенс. Комерційний фрагмент програмного забезпечення, з яким я асоціювався протягом декількох років, робив саме це.

Ваш контур стосується єдиного експоненціального згладжування (SES), але, звичайно, ви можете застосувати те саме лікування до трендових або сезонних компонентів. Щодо сезонних, вам потрібно повернутись до повного сезонного циклу, як і для оновлення.

Іншою альтернативою, звичайно, було б просто інтерполювати відсутні значення. Цей варіант є в нових версіях ets(..., na.action="na.interp").

З того, що я мало знаю про моделі простору держав, не повинно бути надмірно важким просто ставитися до відсутніх даних як до незабезпечених. Я не впевнений, чому це не реалізовано в forecastпакеті. Швидкий пошук через блог Роб Хандмана насправді не приніс нічого корисного.

— Стефан Коласа
джерело