วิธีการคำนวณข้อผิดพลาดการคาดการณ์ (ช่วงความมั่นใจ) สำหรับช่วงเวลาต่อเนื่อง?

ฉันมักจะต้องคาดการณ์ระยะเวลาในอนาคตในชุดข้อมูลรายเดือน

สูตรพร้อมที่จะคำนวณช่วงความเชื่อมั่นที่อัลฟาสำหรับช่วงเวลาต่อไปในอนุกรมเวลา แต่สิ่งนี้ไม่รวมถึงวิธีการปฏิบัติในช่วงที่สองและที่สามเป็นต้น

ฉันมองเห็นด้วยสายตาว่าหากการคาดการณ์ใด ๆ ถูกสร้างกราฟด้วยช่วงความเชื่อมั่นสูงและต่ำโดยทั่วไปช่วงเวลาเหล่านั้นควรเพิ่มขึ้นหรือลดลงเมื่อเทียบกับการคาดคะเนเฉลี่ยเนื่องจากความไม่แน่นอนคือแรงสะสม

สมมติว่าฉันมียอดขายต่อหน่วยของเมษายน = 10 พฤษภาคม = 8 มิถุนายน = 11 กรกฎาคม = 13 และไม่มีบริบทอื่น ๆ เช่นข้อมูลตามฤดูกาลหรือข้อมูลประชากร

เราจำเป็นต้องคาดการณ์ (แม้ว่าจะเป็นคนตาบอด) สิงหาคม, กันยายน, ตุลาคม

คุณจะใช้วิธีใด และที่สำคัญที่นี่คุณจะวัดความเชื่อมั่นในเดือนกันยายนและตุลาคมได้อย่างไร

ขออภัยที่อาจเป็นคำถามง่าย ๆ สำหรับผู้เชี่ยวชาญบางคน - ฉันขุดมาไกลเพื่อหาคำตอบที่ชัดเจนและฉันแน่ใจว่านี่เป็นสิ่งที่มือสมัครเล่นทุกคนอย่างที่ฉันชอบที่จะเข้าใจ

มีแง่มุมที่แคบมากมายในการคำนวณช่วงการทำนาย : กระบวนการสร้างข้อมูลและตัวแบบที่ใช้อธิบายกระบวนการนี้ (แบบอนุกรมเวลาแบบจำลองการถดถอย) เป็นข้อมูลของคุณอยู่นิ่ง (สำหรับประเภทนี้ข้อสรุปของคุณผิดเนื่องจากข้อมูลที่อยู่นิ่งไม่พุ่ง ห่างจากค่าเฉลี่ยของมัน) หรือระเบิด (สำหรับกระบวนการรวมคุณจะเห็นสิ่งที่คุณอธิบาย) ฉันคิดว่าการตรวจสอบที่ยอดเยี่ยมโดย Chris Chatfield เกี่ยวกับช่วงเวลาการทำนายจะตอบคำถามของคุณส่วนใหญ่

เกี่ยวกับการขายต่อหน่วย:

• เนื่องจากคุณมีช่วงเวลาการคาดการณ์ระยะสั้นคุณอาจพยายามคาดการณ์ด้วยการปรับให้เรียบแบบเอ็กซ์โปเนนเชียล (ใน R เป็นets()ฟังก์ชันจากforecast)
• อีกตัวเลือกหนึ่งคือการสร้างแบบจำลองเหมือนกับกระบวนการ ARIMA (ไลบรารีเดียวกันมีauto.arima())
• ในเศรษฐศาสตร์แบบจุลภาคอย่างไรก็ตามแบบจำลองการถดถอยนั้นดีกว่าแบบจำลองทางทฤษฎี แต่ในระยะสั้นพวกเขาไม่จำเป็นต้องเอาชนะสองคนแรก

ทั้งสองกรณีมีสูตรในการคำนวณช่วงเวลาการทำนายและมีการกล่าวถึงในการทบทวนดังกล่าวข้างต้น