予測パッケージのauto.arima（）とets（）を組み合わせる

多くの単変量時系列を予測するために、予測パッケージのets（）およびauto.arima（）関数を使用しています。私は次の関数を使用して2つの方法のいずれかを選択していますが、CrossValidatedに自動予測の優れた（またはそれほど単純ではない）アイデアがあるかどうか疑問に思っていました。

auto.ts <- function(x,ic="aic") {
    XP=ets(x, ic=ic) 
    AR=auto.arima(x, ic=ic)

    if (get(ic,AR)<get(ic,XP)) {
        model<-AR
    }
    else {
        model<-XP
    }
        model
}

/編集：この関数はどうですか？

auto.ts <- function(x,ic="aic",holdout=0) {
    S<-start(x)[1]+(start(x)[2]-1)/frequency(x) #Convert YM vector to decimal year
    E<-end(x)[1]+(end(x)[2]-1)/frequency(x)
    holdout<-holdout/frequency(x) #Convert holdout in months to decimal year
    fitperiod<-window(x,S,E-holdout) #Determine fit window

    if (holdout==0) {
        testperiod<-fitperiod
    }
    else {
        testperiod<-window(x,E-holdout+1/frequency(x),E) #Determine test window
    }

    XP=ets(fitperiod, ic=ic)
    AR=auto.arima(fitperiod, ic=ic)

    if (holdout==0) {
        AR_acc<-accuracy(AR)
        XP_acc<-accuracy(XP)
    }
    else {
        AR_acc<-accuracy(forecast(AR,holdout*frequency(x)),testperiod)
        XP_acc<-accuracy(forecast(XP,holdout*frequency(x)),testperiod)
    }

    if (AR_acc[3]<XP_acc[3]) { #Use MAE
        model<-AR
    }
    else {
        model<-XP
    }
    model
}

「ホールドアウト」は、サンプル外テストとして使用する期間の数です。次に、関数はこのパラメーターに基づいてフィットウィンドウとテストウィンドウを計算します。次に、フィットウィンドウでauto.arima関数とets関数を実行し、テストウィンドウでMAEが最も低い関数を選択します。ホールドアウトが0の場合、サンプル内フィットをテストします。

選択されたモデルを完全なデータセットで自動的に更新する方法はありますか？

2つのモデルクラスからの可能性、つまりAIC値は、初期化の仮定が異なるため、比較できません。そのため、関数は無効です。シリーズの2つのモデルクラスを試してみて、どちらがサンプル外の最良の予測を提供するかを確認することをお勧めします。