厳密に肯定的な予測を達成する方法は？

私は値が厳密に正である時系列に取り組んでいます。AR、MA、ARMAなどのさまざまなモデルを使用して、厳密に肯定的な予測を達成する簡単な方法を見つけることができませんでした。

私は予測を行うためにRを使用していますが、見つけることができるのは、以下に説明されている正のパラメーターを持つpredict.hts {hts}だけです。

階層的またはグループ化された時系列、パッケージhtsを予測する

## S3 method for class 'gts':
forecast((object, h,
  method = c("comb", "bu", "mo", "tdgsf", "tdgsa", "tdfp", "all"),
  fmethod = c("ets", "rw", "arima"), level, positive = FALSE,
    xreg = NULL, newxreg = NULL, ...))

positive
    If TRUE, forecasts are forced to be strictly positive

http://www.inside-r.org/packages/cran/hts/docs/forecast.gts

非階層的時系列に関する提案はありますか？最小、最大などのような他の制約の使用に関する一般化についてはどうですか？

Rで実装されていなくても、記事、モデル、または有用な一般的な変数変換に関する提案を歓迎します。

forecastR のパッケージではlambda=0、モデルを近似するときに設定するだけです。例えば：

fit <- auto.arima(x, lambda=0)
forecast(fit)

パッケージ内の多くの関数はlambda引数を許可します。ときにlambda引数が指定され、ボックス・コックス変換が使用されています。値は、ログ変換を指定します。したがって、設定とは、ログに記録されたデータがモデル化され、予測が作成されると、元のスペースに逆変換されることを意味します。$\lambda=0$lambda=0

詳細については、http：//www.otexts.org/fpp/2/4を参照してください。