J'ai deux séries chronologiques de données quotidiennes. L'un est sign-ups
et l'autre terminations
des abonnements. J'aimerais prédire ce dernier en utilisant les informations contenues dans les deux variables.
En regardant le graphique de ces séries, il est évident que les terminaisons sont corrélées aux multiples des inscriptions des mois précédents. Autrement dit, un pic des inscriptions le 10 mai entraînera une augmentation des résiliations le 10 juin, le 10 juillet et le 10 août et ainsi de suite, bien que l'effet se dissipe.
J'espère avoir une idée des modèles que je pourrais utiliser pour modéliser ce problème spécifique. Tout conseil serait très apprécié..
Jusqu'à présent, j'ai pensé à un modèle VAR, mais je ne sais pas comment inclure l'effet mensuel - utiliser un ordre de retard vraiment élevé ou ajouter une composante saisonnière d'une manière ou d'une autre?
la source
Modèles au niveau du mois
Vous devez saisir les variations au niveau du mois dans la propension à résilier (par exemple, les inscriptions pendant les vacances de Noël sont plus susceptibles de se terminer que les inscriptions en avril). Disons que votre modèle de série chronologique habituel est:
la source