Eu gostaria de realizar uma previsão com base em um modelo ARIMA de várias séries temporais com várias variáveis exógenas. Como não sou tão habilidoso em relação a estatísticas nem ao RI, quero mantê-lo o mais simples possível (a previsão de tendências por três meses é suficiente).
Eu tenho 1 série temporal dependente e 3-5 séries cronológicas preditivas, todos os dados mensais, sem lacunas, no mesmo "horizonte" temporal.
Encontrei a função auto.arima e me perguntei se essa seria uma solução adequada para o meu problema. Eu tenho diferentes preços de commodities e preços de produtos feitos a partir deles. Todos os dados brutos não são estacionários, mas por diferenciação de primeira ordem, todos eles se tornam dados estacionários. ADF, KPSS indicam isso. (Isso significa que eu testei para integração, certo?).
Minha pergunta agora é: Como aplico isso com a função auto.arima E o ARIMA é a abordagem correta de qualquer maneira? Algumas pessoas já me aconselharam a usar o VAR, mas é possível com o ARIMA também?
A tabela a seguir é meus dados. Na verdade, o conjunto de dados sobe para 105 observações, mas as 50 primeiras serão suficientes. Tendência e sazonalidade são obviamente interessantes aqui.
Obrigado por todos os conselhos e ajuda! Georg