我有一些每日时间序列数据。我正在尝试从历史每日数据集中预测未来3天。
[历史数据显示基于周一，周二等星期几的确定趋势，周一和周二为高点，周三通常为最高，然后在一周的剩余时间内下降。
如果我每月或每周对数据进行分组，那么我肯定可以看到随着时间的推移，这种趋势似乎是可加的。
我的目标是仅预测未来3天。我的直觉告诉我采取一种方法，希望与其他方法相比，在利弊方面能有一些反馈。
我的直觉告诉我，最好按周或月对数据进行分组，然后预测下周或下个月。假设我通过将每周的历史数据加载到ARIMA中，训练，测试和预测下周来预测下周的总数。在一周之内，每个星期几通常会贡献出该周总计的x％。因此，如果从历史上看，周三平均贡献了每周交易量的50％，而下周我预计将达到1000，那么我预计周三将达到500。这是一种常见方法吗？]
或者，我可以将历史每日值加载到ARIMA中，进行训练，测试并让ARIMA预测接下来的3天。这里最大的区别是整个“每周预测”与“每日预测”。
在时间序列预测领域，这是一个普遍的辩论，如果是这样，也许有人可以建议一些关键词，我可以用谷歌搜索以了解自己的优缺点？
此外，当星期几是一个因素时，也许有一种建议的算法可以使用？
谢谢您的答复。丹
我有一些每日时间序列数据。我正在尝试从历史每日数据集中预测未来3天。历史数据显示基于星期几的明确趋势，例如星期一，...
这是一个标准的每日时间序列问题，其中存在每周的一天的季节性。如果使用R，则可以将时间序列设为ts的frequency = 7对象，然后使用预测包中的auto.arima()进行预测。任何其他季节性预测方法也可能适用。