Bagaimana memodelkan efek bulan ke bulan dalam data deret waktu harian?

Saya memiliki dua seri data harian. Satu adalah sign-upsdan yang lainnya terminationsdari langganan. Saya ingin memprediksi yang kedua menggunakan informasi yang terkandung dalam kedua variabel.

Melihat grafik dari seri ini, jelas bahwa penghentian berkorelasi dengan kelipatan pendaftaran beberapa bulan sebelumnya. Artinya, lonjakan pendaftaran pada 10 Mei, akan menyebabkan peningkatan penghentian pada 10 Juni, 10 Juli dan 10 Agustus dan seterusnya, meskipun efeknya berkurang.

Saya berharap mendapatkan petunjuk tentang model mana yang mungkin saya terapkan untuk memodelkan masalah khusus ini. Saran apa pun akan sangat dihargai ..

Sejauh ini, saya sudah memikirkan model VAR, tapi saya tidak yakin bagaimana memasukkan efek bulanan - menggunakan urutan keterlambatan yang sangat tinggi atau menambahkan komponen musiman entah bagaimana?

Seperti apa plot CCF untuk keterlambatan 29 hingga 31? Apakah paku cukup sering muncul? Anda dapat menggunakan tes Granger untuk memeriksa nilai lagged yang signifikan secara statistik.

Model tingkat bulan

Anda harus menangkap variasi tingkat bulan dalam kecenderungan untuk mengakhiri (mis. Pendaftaran selama liburan Natal lebih cenderung berakhir daripada pendaftaran selama April). Katakanlah model deret waktu Anda yang biasa adalah:

$$terminations_{t}=\beta_{1} signups_{t-1}+ \beta_{2} signups_{t-2} +..$$ . Sekarang jika Anda yakin bahwa parameter dll. Adalah spesifik bulan Anda dapat berinteraksi dengan bendera indikator bulan dengan prediktor yang tersisa.$\beta_{1}$

$$terminations_{t}=\beta'_{1} signups_{t-1} MonthFlag_{t-1}+ \beta'_{2} signups_{t-2} MonthFlag_{t-1}+..$$