R时间序列报错：'start'不能晚于'end'，求窗口end值确定方法

首先看报错'start' cannot be after 'end'的直接原因：

• 你把训练集的起始年份写错成了1991，但AirPassengers的时间范围是1949-1960，这直接导致start远晚于end，触发错误。
• 另外，AirPassengers是ts（时间序列）对象，它的时间索引是yearmon类型，不是Date类型，用as.Date()转换会打乱时间逻辑，这也是导致end参数异常的原因。
• 循环里还存在变量名错误：定义的训练集是in.sample，但拟合模型时用了未定义的train.ts。

正确的end参数确定方式 #

对于ts类型的时间序列，要使用与原序列一致的时间格式（年+月）来指定window的start和end。具体到滚动预测的场景，每次迭代的训练集应该包含到out.sample第i个观测值的前一个时间点，也就是用time(out.sample)[i] - 1/12（因为是月度数据，1/12代表一个月）来作为end参数。

修正后的代码 #

library(forecast)

# 查看数据范围
AirPassengers

# 划分初始训练集和测试集
in.sample_init <- window(AirPassengers, start = c(1949, 1), end = c(1958, 12))
out.sample <- window(AirPassengers, start = c(1959, 1), end = c(1960, 12))

# 初始化结果容器
hw_forecast <- numeric(length(out.sample))
# 用yearmon类型存储时间，和原序列一致
time_fcast <- time(out.sample)

# 滚动预测循环
for (i in seq_along(out.sample)) {
  # 确定当前训练集的结束时间：测试集第i个点的前一个月
  train_end <- time(out.sample)[i] - 1/12
  # 生成当前训练集
  current_train <- window(AirPassengers, start = c(1949, 1), end = train_end)
  # 拟合HW模型
  fit <- hw(current_train, seasonal = "additive")
  # 一步超前预测
  fore1 <- forecast(fit, h = 1)
  # 存储预测值
  hw_forecast[i] <- fore1$mean
}

# 查看结果
data.frame(实际值 = out.sample, 预测值 = hw_forecast, 时间 = time_fcast)

关键调整点说明 #

• 修正了训练集起始年份的笔误，从1991改为1949。
• 用time(out.sample)[i] - 1/12来获取前一个月的时间索引，完美匹配ts对象的时间格式，避免start>end的错误。
• 修正了变量名错误，将train.ts改为current_train（对应循环里的训练集）。
• 用yearmon类型存储时间，保持和原序列一致，避免Date类型转换的问题。

内容的提问来源于stack exchange，提问作者ebrahimi