如何實現嚴格的正預測？

我正在研究一個值嚴格為正的時間序列。使用各種模型，包括 AR、MA、ARMA 等，我找不到一種簡單的方法來實現嚴格的正預測。

我正在使用R進行預測，我能找到的只是具有此處描述的正參數的 forecast.hts {hts}：

預測分層或分組時間序列，打包 hts

## S3 method for class 'gts':
forecast((object, h,
 method = c("comb", "bu", "mo", "tdgsf", "tdgsa", "tdfp", "all"),
 fmethod = c("ets", "rw", "arima"), level, positive = FALSE,
   xreg = NULL, newxreg = NULL, ...))

positive
   If TRUE, forecasts are forced to be strictly positive

http://www.inside-r.org/packages/cran/hts/docs/forecast.gts

對非分層時間序列有什麼建議嗎？使用其他約束（如最小值、最大值等）進行泛化怎麼樣？

即使沒有在 R 中實現，關於文章、模型或有用的一般變量轉換的建議也將不勝感激。

使用forecastR 的包，lambda=0在擬合模型時簡單地設置。例如：

fit <- auto.arima(x, lambda=0)
forecast(fit)

包中的許多函數都允許lambda參數。指定參數時lambda，將使用 Box-Cox 變換。價值指定對數轉換。因此設置lambda=0意味著對記錄的數據進行建模，並在生成預測時將它們反向轉換到原始空間。

有關進一步討論，請參見http://www.otexts.org/fpp/2/4。

引用自：https://stats.stackexchange.com/questions/80859