Error: forecast::Arima() #910 #6
Comments
✔ [世博量化研究院*]
❯ source('函数/日内高频季节性自回归.R')
✔ [世博量化研究院*]
❯ if (.模型选项 == '自动化') {
半成品 <- tryCatch({
auto.arima(
季回归, d = .差分阶数, D = .季节性差分阶数, seasonal = 季节性与否,
stationary = 静态与否, trace = 记载自回归与否,
ic = 信息量准则, stepwise = 逐步精化与否, nmodels = 逐步精化量,
#approximation = 近似值与否,
method = 计策谋略, truncate = 省略, #x = y,
xreg = 趋势, test = 测试, lambda = 博克斯考克斯变换,
test.args = 测试参数, allowdrift = 允许截距与否,
seasonal.test = 季节性测试, seasonal.test.args = 季节性测试参数,
allowmean = 允许包含均值与否, biasadj = 偏差调整与否,
parallel = 多管齐下与否, num.cores = 核心量)
}, 错误信息 = function(错误信息参数) NULL)
半成品 <- 预测样本 |>
{\(.) mutate_dt(., 市场价 = 闭市价, 预测价 = coef(半成品))}() |>
{\(.) select_dt(., 年月日时分, 市场价, 预测价)}()
模型名称 <- paste0(
.模型选项, '_差分阶数_', .差分阶数, '_季节性差分阶数_', .季节性差分阶数,
'_季节性与否_', 季节性与否, '_静态与否_', 静态与否,
'_记载自回归与否_', 记载自回归与否, '_信息量准则_', 信息量准则,
'_逐步精化与否_', 逐步精化与否, '_计策谋略_', 计策谋略,
'_数据量', 数据量,
'_频率', 频率, '_预测时间单位', 预测时间单位,
'_', 预测样本$年月日时分, 'CST.rds')
}
✔ [世博量化研究院*]
❯ 信息量准则 = c('aicc', 'aic', 'bic')
✔ [世博量化研究院*]
❯ tryCatch({
Arima(
季回归, order = .时序规律, seasonal = .季节性规律参数,
xreg = 趋势, include.mean = 包含均值与否,
include.drift = 包含截距与否, #include.constant = 包含常数,
#model = 统计模型, lambda = 博克斯考克斯变换, x = y,
biasadj = 偏差调整与否, method = 计策谋略)
}, 错误信息 = function(错误信息参数) NULL)
Error in if ((order[2] + seasonal$order[2]) > 1 & include.drift) { :
参数长度为零
✖ [世博量化研究院*]
❯ 包含截距与否
[1] TRUE
✔ [世博量化研究院*]
❯ tryCatch({
Arima(
季回归, order = .时序规律, seasonal = .季节性规律参数,
xreg = 趋势, include.mean = 包含均值与否,
#include.drift = 包含截距与否, #include.constant = 包含常数,
#model = 统计模型, lambda = 博克斯考克斯变换, x = y,
biasadj = 偏差调整与否, method = 计策谋略)
}, 错误信息 = function(错误信息参数) NULL)
Error in if ((order[2] + seasonal$order[2]) > 1 & include.drift) { :
参数长度为零
✖ [世博量化研究院*]
❯ .时序规律
[data.table]:
# A tibble: 108 × 3
自回归阶数 差分阶数 滑均阶数
<int> <int> <int>
1 0 0 0
2 0 0 1
3 0 0 2
4 0 0 3
5 0 0 4
6 0 0 5
7 0 1 0
8 0 1 1
9 0 1 2
10 0 1 3
# … with 98 more rows
# ℹ Use `print(n = ...)` to see more rows
✔ [世博量化研究院*]
❯ tryCatch({
Arima(
季回归, order = unlist(.时序规律[1,]), seasonal = unlist(.季节性规律参数[1,]),
xreg = 趋势, include.mean = 包含均值与否,
include.drift = 包含截距与否, #include.constant = 包含常数,
#model = 统计模型, lambda = 博克斯考克斯变换, x = y,
biasadj = 偏差调整与否, method = 计策谋略)
}, 错误信息 = function(错误信息参数) NULL)
Error in solve.default(res$hessian * n.used, A) :
Lapack例行程序dgesv: 系统正好是奇异的: U[1,1] = 0
✖ [世博量化研究院*]
❯ tryCatch({
Arima(
季回归, order = unlist(.时序规律[1,]),
seasonal = list(order = unlist(.季节性规律参数[1,]), period = 循环周期),
xreg = 趋势, include.mean = 包含均值与否,
include.drift = 包含截距与否, #include.constant = 包含常数,
#model = 统计模型, lambda = 博克斯考克斯变换, x = y,
biasadj = 偏差调整与否, method = 计策谋略)
}, 错误信息 = function(错误信息参数) NULL)
Error in solve.default(res$hessian * n.used, A) :
Lapack例行程序dgesv: 系统正好是奇异的: U[1,1] = 0日内高频季节性自回归 <- function(
## ======== 居住在英国布里斯托尔港口，修读气象学系的英国基督洋妞儿芈拉不可以死 ========
时间索引, 样本, .蜀道 = NULL, 文件名 = '日内高频季节性自回归', 数据量,
频率 = 1, 预测时间单位 = 1, .模型选项 = .模型选项,
.差分阶数 = .差分阶数, .季节性差分阶数 = .季节性差分阶数,
季节性与否 = 季节性与否, .时序规律 = .时序规律,
.季节性规律参数 = .季节性规律参数, 静态与否 = 静态与否,
记载自回归与否 = 记载自回归与否, 信息量准则 = c('aicc', 'aic', 'bic'),
逐步精化与否 = 逐步精化与否, 逐步精化量 = 逐步精化量,
#近似值与否 = (length(x) > 150 | frequency(x) > 12),
省略 = 省略, #x = y, method = NULL,
## 代码中xreg作为 [公式] 。xreg可以指定多组相关序列，
## 也就是说动态回归就是多元回归。
## Dynamic Harmonic Regression
## 使用FT（傅里叶）序列作为xreg。模型拟合时不指定seasonal，
## 在预测时加入周期性的xreg（势头/趋势/气势）。
## [R语言时间序列分析（预测）](https://zhuanlan.zhihu.com/p/29755934)
趋势 = 趋势, 测试 = 测试, 测试参数 = 测试参数,
季节性测试 = 季节性测试, 季节性测试参数 = 季节性测试参数,
允许截距与否 = 允许截距与否, 允许包含均值与否 = 允许包含均值与否,
博克斯考克斯变换 = 博克斯考克斯变换, 偏差调整与否 = 偏差调整与否,
多管齐下与否 = 多管齐下与否, 核心量 = 核心量, 包含均值与否 = 包含均值与否,
#趋势 = NULL, 包含常数与否,
包含截距与否 = 包含截距与否, 统计模型 = 统计模型,
#博克斯考克斯变换 = 统计模型$lambda, x = y, 偏差调整与否 = FALSE,
计策谋略 = 计策谋略, 列印 = '勾') {
...
...
...
}✖ [世博量化研究院*]
❯ args(Arima)
function (y, order = c(0, 0, 0), seasonal = c(0, 0, 0), xreg = NULL,
include.mean = TRUE, include.drift = FALSE, include.constant,
lambda = model$lambda, biasadj = FALSE, method = c("CSS-ML",
"ML", "CSS"), model = NULL, x = y, ...)
NULL
<environment: R_GlobalEnv>
✔ [世博量化研究院*]
❯ 包含截距与否
[1] TRUEbinary.com-interview-question/函数/日内高频季节性自回归.R Lines 48 to 50 in 1b9379a 735 if ((order[2] + seasonal$order[2]) > 1 & include.drift) {
736 warning("No drift term fitted as the order of difference is 2 or more.")
737 include.drift <- FALSE
738 }
|
愚忠入侵电子仪器反抗咱们全球NonMuslim中华民族、中国政府、台湾政府的所有巫裔回教徒911恐怖份子巫师巫婆太监民族和忠实狗奴才洋人回教徒Michael Cutter Christopher bin Abdullah阖家一律死刑
|
✔ 2.4 GiB [世博量化研究院*]
❯ 季回归0 <- llply(.差分阶数, function(差分阶数) {
季回归1 <- llply(.季节性差分阶数, function(季节性差分阶数) {
季回归2 <- llply(季节性与否, function(季节) {
季回归3 <- llply(时间索引, function(时序) {
成效 <- 日内高频季节性自回归(
时间索引 = 时序, 样本 = 样本2018半年, .蜀道 = .蜀道,
文件名 = '日内高频季节性自回归', 数据量 = 数据量, 频率 = 频率,
预测时间单位 = 预测时间单位, .模型选项 = 模型,
.差分阶数 = 差分阶数, .季节性差分阶数 = 季节性差分阶数,
季节性与否 = 季节, 静态与否 = '叉', 记载自回归与否 = '叉',
信息量准则 = c('aicc', 'aic', 'bic'), 逐步精化与否 = '勾',
逐步精化量 = 94, #近似值与否=(length(x)>150|frequency(x)>12),
省略 = NULL, 计策谋略 = NULL, #x = y,
趋势 = NULL, 测试 = c('kpss', 'adf', 'pp'), 测试参数 = list(),
季节性测试参数 = list(), 季节性测试 = c('seas', 'ocsb', 'hegy', 'ch'),
允许截距与否 = '勾', 允许包含均值与否 = '勾',
博克斯考克斯变换 = NULL, 偏差调整与否 = '叉', 多管齐下与否 = '叉', 核心量 = 2,
包含均值与否 = '勾', 包含截距与否 = '勾')
}, .progress = 'text')
}, .progress = 'text')
}, .progress = 'text')
}, .progress = 'text')
Error in { :
task 1 failed - "task 1 failed - "task 1 failed - "task 1 failed - "季节性与否 = '勾' 或 '叉'"""" |
Sign up for free
to join this conversation on GitHub.
Already have an account?
Sign in to comment
Citation : robjhyndman/forecast#910 (comment)
The text was updated successfully, but these errors were encountered: