Rでの季節的ARIMAモデリング

私は、あなたが次のリンクでそれを見つけることができる2007年から2017年に商品のために毎月の価格データを持っている： https://drive.google.com/open?id=0BxRCOgKAL4itcUZlOExrUmVOanc 私は次のためにRの季節ARIMAモデルを使用して、それを予測する必要があります年。auto.arima関数を使用している場合は、ARIMA(0,1,1)ではなく、として最適なモデルが提案されますARIMA(p,d,q)(P,D,Q)12。の季節的な部分model(P,D,Q)がどういうわけか欠落しています。なぜこれが起こっているのか分かりません。私のデータは季節的ではありませんか、それとも私のコードに問題がありますか？また、モデルによって与えられる予測値は重要ではない次の月の間一定です。助けてください！これがコードです：

data <- read.delim("C:/Users/hp/Desktop/heckyl/forecasting model/Soybean_Prices.txt", header=F)
View(data)
summary(data)
summary(data)
ts.data = ts(data, frequency=12, start=c(2007,6))
ts.data
plot(ts.data)

dim(as.matrix(ts.data))
################################################################################

# Training and Testing Dataset
data.train = window(ts.data, start = c(2007,6), end = c(2013,12)) 
plot(data.train)
dim(as.matrix(data.train))
data.test = window(ts.data, start = c(2014,1))
plot(data.test)
dim(as.matrix(data.test))
################################################################################

# Developing an SARIMA model and Analysis of Model
library(forecast)
arima1 = auto.arima(data.train, trace=FALSE, test="kpss",  ic="aic")
summary(arima1)
confint(arima1)

# Residual Diagonostics
plot.ts(arima1$residuals)
Box.test(arima1$residuals,lag=20, type="Ljung-Box")
acf(arima1$residuals, lag.max=24, main="ACF of the Model")
Box.test(arima1$residuals^2,lag=20, type="Ljung-Box")
library(tseries)
jarque.bera.test(arima1$residuals)

arima1.forecast= forecast.Arima(arima1, h=41)
arima1.forecast
plot(arima1.forecast, xlab="Years", ylab="Price for Soybean")

library(TSPred)
plotarimapred(data.test, arima1, xlim=c(2014, 2017), range.percent = 0.05)
accuracy(arima1.forecast, data.test)

D = 1に設定するか、リグレッサを追加することで、季節性を「強制」できます。より複雑な季節性があると思われる場合は、フーリエ項の使用を検討できますか？このリンクを参照してください複雑な季節のHyndmanを

ARIMAのパラメーターを取得するために使用しているコマンドではなく、このコマンドを使用してみてください。

arima1 = auto.arima(data.train, trace=FALSE, test="kpss", ic="aic", 
                    stepwise=FALSE, approximation=FALSE)

これらのコマンドを使用すると、最良のモデルが得られる場合があります。

あなたのデータは次のモデルを示唆しています

と。実際のフィット感と予測はこちらです。データは、レベルの変化（視覚的に明らか）と2つの静的に重要な季節的指標（4月と9月）といくつかの異常を示唆しています（6）。分析にはRを使用しました。残念ながら、auto.arimaはモデルの形式についていくつかの重要な仮定を行っています。つまり、レベルのシフトや季節的なパルス/インジケーターはなく、もちろん異常もありません。細字を読むことは常に良いことです。

「季節性」を示すのは1か月に2か月しかないという事実は、auto.arimaが「何らかの季節性の成分が欠けている」モデルを提供した理由を説明しています。壊れた時計でも1日に2回正しいです。この場合、4月と9月の自動予測の季節的要素/影響は確定的な要素/影響がない限り、時計は「ほぼ正しく」ありました。

6期外予測...