r语言做forecast预测模型建模问题

Question

问题遇到的现象和发生背景

我获得了由一个自变量和两个因变量组成的时间序列，分别为：
mydata$x,mydata$y1和mydata$y2（数据放在最后）,准备采用forecast命令做从0.234到0.5的预测。但我不熟悉arima函数的order设置机制，从而无法找到最优模型

问题相关代码，请勿粘贴截图

y1ts<- ts(mydata$y1,start = c(0.087),frequency=1000)
plot.ts(y1ts)
y2ts<- ts(mydata$y2,start = c(0.087),frequency=1000)
plot.ts(y2ts)
AR=11
DD=2
MA=0
y1arima<-arima(y1ts,order=c(AR,DD,MA))
y1arima
y2arima<-arima(y2ts,order=c(AR,DD,MA))
y2arima
library("forecast")
y1arimadict.fore<-forecast(y1arima,h=300)
y2arimadict.fore<-forecast(y2arima,h=300)
plot(y1arimadict.fore)
plot(y2arimadict.fore)

acf(y1ts,24)
acf(y2ts,24)

#install.packages("fUnitRoots")
library(timeDate)
library(timeSeries)
library(fBasics)
library(fUnitRoots)
adfTesty1ts)#平稳序列,P<0.01
adfTest(y2ts)#非平稳序列,P>0.99

y2ts.dif<-diff(y2ts,1,2)
plot(y2ts.dif)
adfTest(y2ts.dif)#平稳序
acf(y1ts,lag.max=20)
pacf(y1ts,lag.max=20)
acf(y1ts,lag.max=20)
pacf(y1ts,lag.max=20)

运行结果及报错内容

运行结果如图所示

报警告说明如下所示：
对于y1
Warning messages:
1: In log(s2) : 产生了NaNs
2: In log(s2) : 产生了NaNs
3: In log(s2) : 产生了NaNs
4: In log(s2) : 产生了NaNs
5: In log(s2) : 产生了NaNs
6: In arima(y1ts, order = c(AR, DD, MA)) :
possible convergence problem: optim gave code = 1
aic = -4771.12
对于y2
Warning messages:
1: In log(s2) : 产生了NaNs
2: In log(s2) : 产生了NaNs
3: In log(s2) : 产生了NaNs
4: In log(s2) : 产生了NaNs
5: In log(s2) : 产生了NaNs
6: In log(s2) : 产生了NaNs
7: In log(s2) : 产生了NaNs
aic = -3452.76
Warning message:
In sqrt(diag(x$var.coef)) : 产生了NaNs

我的解答思路和尝试过的方法

我试着按知乎上的链接
https://zhuanlan.zhihu.com/p/54002405
对我的模型进行检查，然而我这个模型数据其实非常规则，是通过计算获得，所以相对实验数据，有很多奇怪的性质。

如图所示，这两个变量看形状几乎一致，但y1为平稳序列，y2为非平稳序列
其ACF为

y2做二阶差分后变为平稳序列：

但我从自相关和偏自相关中无法判断p，q

我想要达到的结果

我的代码运行结果的第一张图基本是对的，我想获得AIC正常的最优化forecast预测模型，或者fanchart预测或者任何一种预测的优化模型均可。

mydata$x
  [1] 0.087 0.088 0.089 0.090 0.091 0.092 0.093 0.094 0.095 0.096 0.097 0.098 0.099 0.100 0.101 0.102 0.103 0.104 0.105
 [20] 0.106 0.107 0.108 0.109 0.110 0.111 0.112 0.113 0.114 0.115 0.116 0.117 0.118 0.119 0.120 0.121 0.122 0.123 0.124
 [39] 0.125 0.126 0.127 0.128 0.129 0.130 0.131 0.132 0.133 0.134 0.135 0.136 0.137 0.138 0.139 0.140 0.141 0.142 0.143
 [58] 0.144 0.145 0.146 0.147 0.148 0.149 0.150 0.151 0.152 0.153 0.154 0.155 0.156 0.157 0.158 0.159 0.160 0.161 0.162
 [77] 0.163 0.164 0.165 0.166 0.167 0.168 0.169 0.170 0.171 0.172 0.173 0.174 0.175 0.176 0.177 0.178 0.179 0.180 0.181
 [96] 0.182 0.183 0.184 0.185 0.186 0.187 0.188 0.189 0.190 0.191 0.192 0.193 0.194 0.195 0.196 0.197 0.198 0.199 0.200
[115] 0.201 0.202 0.203 0.204 0.205 0.206 0.207 0.208 0.209 0.210 0.211 0.212 0.213 0.214 0.215 0.216 0.217 0.218 0.219
[134] 0.220 0.221 0.222 0.223 0.224 0.225 0.226 0.227 0.228 0.229 0.230 0.231 0.232 0.233
mydata$y1
  [1] 0.2047795 0.2144941 0.2240967 0.2335885 0.2429707 0.2522442 0.2614104 0.2704702 0.2794247 0.2882751 0.2970224
 [12] 0.3056677 0.3142120 0.3226564 0.3310020 0.3392498 0.3474008 0.3554560 0.3634165 0.3712832 0.3790573 0.3867395
 [23] 0.3943311 0.4018328 0.4092457 0.4165708 0.4238089 0.4309611 0.4380282 0.4450113 0.4519111 0.4587287 0.4654649
 [34] 0.4721206 0.4786967 0.4851942 0.4916137 0.4979563 0.5042228 0.5104139 0.5165307 0.5225738 0.5285441 0.5344425
 [45] 0.5402697 0.5460266 0.5517138 0.5573323 0.5628828 0.5683661 0.5737829 0.5791339 0.5844200 0.5896419 0.5948002
 [56] 0.5998958 0.6049293 0.6099015 0.6148131 0.6196647 0.6244571 0.6291909 0.6338668 0.6384855 0.6430477 0.6475539
 [67] 0.6520049 0.6564013 0.6607437 0.6650327 0.6692690 0.6734533 0.6775860 0.6816678 0.6856994 0.6896812 0.6936139
 [78] 0.6974980 0.7013342 0.7051230 0.7088649 0.7125605 0.7162104 0.7198151 0.7233751 0.7268910 0.7303632 0.7337924
 [89] 0.7371789 0.7405234 0.7438263 0.7470881 0.7503094 0.7534905 0.7566320 0.7597344 0.7627981 0.7658235 0.7688113
[100] 0.7717617 0.7746752 0.7775524 0.7803935 0.7831992 0.7859697 0.7887055 0.7914071 0.7940748 0.7967091 0.7993104
[111] 0.8018790 0.8044153 0.8069199 0.8093929 0.8118349 0.8142462 0.8166272 0.8189782 0.8212996 0.8235918 0.8258551
[122] 0.8280899 0.8302965 0.8324753 0.8346266 0.8367507 0.8388481 0.8409189 0.8429636 0.8449825 0.8469758 0.8489439
[133] 0.8508872 0.8528058 0.8547001 0.8565705 0.8584172 0.8602404 0.8620406 0.8638179 0.8655726 0.8673052 0.8690157
[144] 0.8707045 0.8723718 0.8740180 0.8756433
mydata$y2
 [1] 0.1074601 0.1248564 0.1417434 0.1581414 0.1740697 0.1895466 0.2045895 0.2192148 0.2334385 0.2472754 0.2607399
 [12] 0.2738455 0.2866054 0.2990318 0.3111366 0.3229311 0.3344262 0.3456320 0.3565586 0.3672154 0.3776113 0.3877551
 [23] 0.3976551 0.4073192 0.4167550 0.4259698 0.4349707 0.4437643 0.4523573 0.4607556 0.4689654 0.4769923 0.4848419
 [34] 0.4925195 0.5000301 0.5073788 0.5145701 0.5216087 0.5284989 0.5352450 0.5418510 0.5483209 0.5546585 0.5608673
 [45] 0.5669511 0.5729130 0.5787565 0.5844847 0.5901007 0.5956074 0.6010077 0.6063044 0.6115002 0.6165976 0.6215991
 [56] 0.6265072 0.6313242 0.6360525 0.6406941 0.6452512 0.6497260 0.6541203 0.6584362 0.6626755 0.6668400 0.6709316
 [67] 0.6749518 0.6789025 0.6827852 0.6866014 0.6903528 0.6940407 0.6976666 0.7012320 0.7047381 0.7081862 0.7115778
 [78] 0.7149139 0.7181959 0.7214248 0.7246019 0.7277282 0.7308048 0.7338328 0.7368132 0.7397471 0.7426352 0.7454788
 [89] 0.7482785 0.7510354 0.7537503 0.7564240 0.7590575 0.7616514 0.7642066 0.7667239 0.7692040 0.7716476 0.7740554
[100] 0.7764282 0.7787666 0.7810713 0.7833429 0.7855820 0.7877894 0.7899654 0.7921109 0.7942262 0.7963120 0.7983689
[111] 0.8003973 0.8023978 0.8043708 0.8063170 0.8082367 0.8101304 0.8119986 0.8138418 0.8156604 0.8174549 0.8192255
[122] 0.8209729 0.8226973 0.8243992 0.8260789 0.8277369 0.8293735 0.8309890 0.8325839 0.8341584 0.8357130 0.8372479
[133] 0.8387634 0.8402600 0.8417378 0.8431973 0.8446387 0.8460622 0.8474683 0.8488571 0.8502290 0.8515842 0.8529230
[144] 0.8542456 0.8555523 0.8568433 0.8581190

Answer 1

你好，我是有问必答小助手，非常抱歉，本次您提出的有问必答问题，技术专家团超时未为您做出解答


本次提问扣除的有问必答次数，已经为您补发到账户，我们后续会持续优化，扩大我们的服务范围，为您带来更好地服务。