如何在R中反向移动时间序列预测区间以检验其合理性？

嘿，这个需求太实用了——用回测（也就是反向预测过去时段）来验证预测区间的合理性，不用每次手动切割数据集确实能省不少事！结合你用的forecast包，给你两个简便的方案：

方法一：用tsCV()自动做时间序列交叉验证 #

forecast包自带的tsCV()函数就是专门干这个的！它会自动帮你完成滚动窗口的拟合与预测，不需要手动写循环切数据。核心思路是：用每一段历史数据拟合模型，预测接下来的1步（或多步），然后把所有预测结果和实际值对比，就能检验预测区间的覆盖效果。

举个适配你代码的例子：

library(forecast)

# 先把数据转成时间序列对象（如果还不是的话）
ts_data <- ts(dat1$V2)

# 自定义一个拟合+预测的函数，返回带区间的预测结果
arima_forecast_func <- function(y, h) {
  # 完全复用你原有的Arima拟合逻辑
  fit <- Arima(log(y), order = c(1, 1, 1), include.constant = TRUE)
  # 返回h步预测结果（包含区间）
  forecast(fit, h = h)
}

# 执行交叉验证：h=1表示每次预测1步，你也可以改成30步之类的多步预测
cv_results <- tsCV(ts_data, arima_forecast_func, h = 1)

# 后续可以统计覆盖概率：看实际值落在预测区间内的比例是否符合预期（比如95%置信区间应该接近95%）
# 如果你要可视化，可以提取每个预测的上下限，和实际值对比

方法二：手动滚动预测（更灵活可控） #

如果你需要更精细的控制（比如指定回测的时间段、调整窗口大小），可以写个简化的循环，比手动反复切割数据集要高效得多：

library(forecast)

ts_data <- ts(dat1$V2)
N <- length(ts_data)
# 设定回测的起始点：比如用前19个数据预测第20个，一直到用前N-1个预测第N个
start_backtest <- 20

# 初始化存储结果的向量
actual_vals <- numeric(N - start_backtest + 1)
lower_bound <- numeric(N - start_backtest + 1)
upper_bound <- numeric(N - start_backtest + 1)

for (i in start_backtest:N) {
  # 取前i-1个数据拟合模型
  fit <- Arima(log(ts_data[1:(i-1)]), order = c(1, 1, 1), include.constant = TRUE)
  # 预测1步
  fc <- forecast(fit, h = 1)
  # 注意：因为拟合的是log转换后的序列，要把区间反log转换回原尺度
  actual_vals[i - start_backtest + 1] <- ts_data[i]
  lower_bound[i - start_backtest + 1] <- exp(fc$lower)
  upper_bound[i - start_backtest + 1] <- exp(fc$upper)
}

# 可视化对比实际值和预测区间
plot(actual_vals, type = "l", col = "black", ylab = "实际值", main = "回测：实际值 vs 预测区间")
lines(lower_bound, col = "red", lty = 2)
lines(upper_bound, col = "red", lty = 2)
points(actual_vals, pch = 16)

关键提醒 #

因为你是对log(dat1$V2)拟合的模型，所以预测区间必须做反log转换，否则得到的是log尺度的区间，和原始数据的实际值没法直接对比，这点一定要注意！

内容的提问来源于stack exchange，提问作者Y. Z.