Estoy tratando de hacer un pronóstico de demanda con datos diarios, desde el 16 de enero de 2012 hasta el 10 de octubre de 2013. Pero el pronóstico solo arroja resultados terribles. ¿Alguna pista de por qué?

Así es como se ven los datos en una gráfica: existen estacionalidades semanales y mensuales. Es decir: Más demanda durante el día de la semana y menos demanda durante el fin de semana.

Aquí es cómo se ve el gráfico de predicción: donde la línea negra es el dato real y la línea azul es el dato predicho.

 x = ts(data, freq=7, start=c(3,2))
 fit <- auto.arima(x)
 pred <- forecast(fit, h=300)

Hice mucha investigación sobre cómo ajustar los datos diarios con el modelo arima. Y como hay estacionalidad semanal, elegí freq = 7.

Sin embargo, ya que las predicciones son malas. Y alguien fue lo suficientemente amable como para señalar uno de los métodos que el profesor Hyndman compartió sobre el ajuste de modelos con múltiples estacionalidades.

https://stats.stackexchange.com/questions/74418/frequency-of-time-series-in-r/74426#74426

Entonces tomé el consejo de los buenos y ajusté los modelos con los 2 métodos dados en el enlace anterior.

Método 1: Uso de la función tbats ().

x_new <- msts(x, seasonal.periods=c(7,7*52))
fit <- tbats(x_new)
fc <- forecast(fit, h=7*52)

Utilicé la estacionalidad semanal 7 y anualmente la estacionalidad 7 * 52. Ya que no he descubierto una manera fácil de obtener la estacionalidad mensual. Basado en el resultado, la predicción tampoco es buena. Nota: si utilizo 7 * 4 como el segundo período estacional mensual, da peor pronóstico.

Método 2: Usando fouriers como un xreg.

seas1 <- fourier(x, K=1)
seas2 <- fourier(ts(x,freq=7*52), K=1)
fit <- auto.arima(x, xreg=cbind(seas1,seas2))
seas1.f <- fourierf(x, K=1, h=7*52)
seas2.f <- fourierf(ts(x,freq=7*52), K=1, h=7*52)
fc1 <- forecast(fit, xreg=cbind(seas1.f, seas2.f))

Lo probé con K diferente, y no mejora la predicción.

Por lo tanto, estoy atascado! Dado que el pronóstico está muy lejos. ¿Podría alguien señalar dónde están mis errores? ¿O cómo debo mejorar mi modelo?

¡Muchas gracias!