улучшение прогнозной модели(теоретический вопрос)

[golovatov]

Здравствуйте, подскажите, пожалуйста.Допустим строю прогноз продаж. Используется обычный анализ временных рядов(разные модели, и Винтерса, и ARIMA и так далее) , получается не очень качественный прогноз. Например Q-тест Льюнга-Бокса стат.значим, разница между прогнозными и начальными значениями достаточно большая, а также в прогнозе присутствую минусовые значения. Поэтому вопрос как понять почему такие результаты и как может быть улучшена модель?
Заранее спасибо.

[Евгений Машеров]

Скорее всего, увы,слишком большая ошибка прогноза говорит о недостаточной проработанности модели (а сама ли модель выбрана неадекватно или не учтены важные факторы...). Но избавиться от отрицательных значений, невозможных физически, сравнительно просто. Надо прогнозировать не саму величину. а логарифм от неё (что, в содержательном плане, можно трактовать, как переход к относительным величинам), а потом обратно преобразовывать (потенцировать). Действительно ли это улучшит точность, или "заметёт мусор под ковёр" - надо пробовать и оценивать по реальным данным.

[golovatov]

Вы подали замечательную идею. Скажите, а если при расчете с использованием ARIMA, без преобразования, КМД(коэффициент множественной детерминации) имеет отрицательное значение. Как это можно трактовать, ведь его значения не могут выходить за пределы от $0$ до $1$
Также есть нужные мне ряды, где почему-то тест Льюнга-Бокса не высчитывается. Возможно ,чтобы Вам ответить на этот вопрос нужны данные, но пока их публично дать не могу. Может у Вас так хоть какое-то предположение появиться.

[Евгений Машеров]

Не бывает. Он по смыслу - квадрат. Где-то в расчёте ошибка.

-- 19 ноя 2015, 13:32 --

И что есть

Цитата:

тест Льюнга-Бокса не высчитывается

?
Чем считаете?

[dsge]

Евгений Машеров в сообщении #1074828 писал(а):

Не бывает. Он по смыслу - квадрат. Где-то в расчёте ошибка.

Бывает, если в спецификации отсутствует константа.

[Евгений Машеров]

Всё равно не бывает. Можно неадекватный для данного метода коэффициент взять, тогда много чудесного откроется. Но коэффициент множественной детерминации это отношение двух дисперсий, двух положительных величин. Отрицательным не бывает.

[dsge]

В пакетах он считается по формуле $1 - RSS/TSS$. В случае отсутствия константы в спецификации регрессиии 2-й член может быть больше единицы.

[golovatov]

Не подскажите, модели ARIMA, они подходят для долгосрочного прогнозирования?
Такой же вопрос к моделям экспоненциальной скользящей средней. Например, аддитивная модель для краткосрочных прогнозов годится?