如何解决R中forecast()函数无法识别xts对象日期索引的问题？

使用xts格式的时间序列数据（索引为UTC日期），用autoplot()绘制原始数据时x轴显示正常日期，但用Arima()建模后使用forecast()生成的预测结果，再用autoplot()绘制时x轴显示虚拟索引而非实际日期。相关代码如下：

rm(list=ls())
library(ggplot2)
library(tseries)
library(xts)
library(forecast)
set.seed(2023)

sample_ts = as.data.frame(rnorm(69))
sample_ts$dates = seq(from = as.Date("2017/1/1"), to = as.Date("2022/9/1"), by = "month")
sample_ts = xts(sample_ts$`rnorm(69)`, order.by = sample_ts$dates)
# autplot生成x轴为日期的正确图表
autoplot(sample_ts)
# 示例拟合Arima(3,0,1)模型
ARIMA_sample = Arima(
  sample_ts,
  order = c(3, 0, 1),
  include.drift = T)
forecast = forecast(ARIMA_sample, h=24)
# autplot使用虚拟索引作为x轴
autoplot(forecast) +autolayer(forecast, showgap = F)
# 查看数据结构
str(ARIMA_sample$x)
str(forecast$x)

原始数据图：x轴为2017年1月至2022年9月的月份日期，y轴为随机数值，曲线随时间波动。
预测图：x轴显示为1到93的虚拟索引，而非后续的月份日期，无法直观看到预测的时间区间。

问题根源在于forecast()处理xts对象时，会丢失原始的日期索引信息，将其转换为普通的时间序列对象（ts类型）。可通过以下两种方式修复：

方法1：手动为预测结果添加日期索引 #

提取原始数据的最后一个日期，生成后续h步的日期序列，再将预测结果转换为xts对象绘图：

# 生成预测期的日期序列
last_date = index(sample_ts)[length(sample_ts)]
forecast_dates = seq(last_date, by = "month", length.out = 24 + 1)[-1]  # 跳过最后一个原始日期

# 将预测结果转换为xts对象
forecast_xts = xts(
  data.frame(
    mean = forecast$mean,
    lower = forecast$lower[,2],
    upper = forecast$upper[,2]
  ),
  order.by = forecast_dates
)

# 绘制包含原始数据和预测结果的图表
autoplot(sample_ts) +
  autolayer(forecast_xts$mean, series = "预测值") +
  autolayer(forecast_xts$lower, series = "95%下限", linetype = "dashed") +
  autolayer(forecast_xts$upper, series = "95%上限", linetype = "dashed") +
  labs(x = "日期", y = "数值", title = "时间序列预测") +
  theme_minimal()

方法2：使用tsibble格式替代xts #

forecast包对tsibble类型的时间序列支持更好，可自动保留日期索引：

library(tsibble)

# 将xts转换为tsibble
sample_tsibble = as_tsibble(sample_ts, rename_index = "date")

# 拟合Arima模型
ARIMA_sample = Arima(
  sample_tsibble,
  order = c(3, 0, 1),
  include.drift = T
)

# 生成预测并绘图
forecast = forecast(ARIMA_sample, h=24)
autoplot(forecast) + autolayer(forecast, showgap = F)

这种方法无需手动处理日期，autoplot()会自动显示正确的日期x轴。

内容的提问来源于stack exchange，提问作者ruben zwaan