Pytania otagowane jako arma

Chcę sprawdzić, czy jestem na dobrej drodze, analizując moje wykresy ACF i PACF: Tło: (Reff: Philip Hans Franses, 1998) Ponieważ zarówno ACF, jak i PACF wykazują znaczące wartości, zakładam, że model ARMA spełni moje potrzeby ACF można wykorzystać do oszacowania części MA, tj. Wartości q, PACF można wykorzystać do oszacowania …

21 time-series  model-selection  arma  statsmodels 

Czytam książkę o szeregach czasowych i zacząłem drapać się w głowę w następującej części: Czy ktoś mógłby wyjaśnić mi intuicję? Nie mogłem tego uzyskać z tego tekstu. Dlaczego potrzebujemy, aby proces był odwracalny? Jaki jest tutaj duży obraz? Dziękuję za wszelką pomoc. Jestem nowy w tej kwestii, więc jeśli możesz …

19 time-series  arma 

Rozważmy proces AR (2) o średnim środku Xt=ϕ1Xt−1+ϕ2Xt−2+ϵtXt=ϕ1Xt−1+ϕ2Xt−2+ϵtX_t=\phi_1X_{t-1}+\phi_2X_{t-2}+\epsilon_t gdzie ϵtϵt\epsilon_t jest standardowym procesem białego szumu. Tylko dla uproszczenia niech mnie nazywają ϕ1=bϕ1=b\phi_1=b i ϕ2=aϕ2=a\phi_{2}=a . Skupiając się na pierwiastkach równania charakterystyk otrzymałem z1,2=−b±b2+4a−−−−−−√2az1,2=−b±b2+4a2az_{1,2}=\frac{-b\pm\sqrt{b^2+4a}}{2a} Klasyczne warunki w podręcznikach są następujące:{|a|&lt;1a±b&lt;1{|a|&lt;1a±b&lt;1\begin{cases}|a|<1 \\ a\pm b<1 \end{cases} Próbowałem rozwiązać ręcznie (przy pomocy Mathematica) nierówności …

17 self-study  stationarity  arma 

W praktyce, jak ocenić, czy proces AR (P) jest stacjonarny, czy nie? Jak ustalić zamówienie dla modelu AR i MA?

15 time-series  stochastic-processes  arma  stationarity 

Zamierzam użyć modelu ARMA-GARCH do finansowych szeregów czasowych i zastanawiałem się, czy seria powinna być stacjonarna przed zastosowaniem tego modelu. Wiem, że stosuję model ARMA, seria powinna być stacjonarna, jednak nie jestem pewien co do ARMA-GARCH, ponieważ uwzględniam błędy GARCH, które sugerują grupowanie zmienności i niestałą wariancję, a zatem szereg …

14 time-series  finance  arma 

W R (2.15.2) dopasowałem raz ARIMA (3,1,3) na szeregu czasowym i raz ARMA (3,3) na raz zróżnicowanym szeregu czasowym. Dopasowane parametry różnią się, co przypisałem metodzie dopasowania w ARIMA. Ponadto dopasowanie ARIMA (3,0,3) do tych samych danych co ARMA (3,3) nie da identycznych parametrów, bez względu na zastosowaną metodę dopasowania. …

13 r  time-series  arima  fitting  arma 

Muszę wyprowadzić wyrażenia analityczne dla funkcji autokowariancji procesu ARMA (2,1) oznaczonej przez:γ(k)γ(k)\gamma\left(k\right) yt=ϕ1yt−1+ϕ2yt−2+θ1ϵt−1+ϵtyt=ϕ1yt−1+ϕ2yt−2+θ1ϵt−1+ϵty_t=\phi_1y_{t-1}+\phi_2y_{t-2}+\theta_1\epsilon_{t-1}+\epsilon_t Więc wiem, że: γ(k)=E[yt,yt−k]γ(k)=E[yt,yt−k]\gamma\left(k\right) = \mathrm{E}\left[y_t,y_{t-k}\right] więc mogę napisać: γ(k)=ϕ1E[yt−1yt−k]+ϕ2E[yt−2yt−k]+θ1E[ϵt−1yt−k]+E[ϵtyt−k]γ(k)=ϕ1E[yt−1yt−k]+ϕ2E[yt−2yt−k]+θ1E[ϵt−1yt−k]+E[ϵtyt−k]\gamma\left(k\right) = \phi_1 \mathrm{E}\left[y_{t-1}y_{t-k}\right]+\phi_2 \mathrm{E}\left[y_{t-2}y_{t-k}\right]+\theta_1 \mathrm{E}\left[\epsilon_{t-1}y_{t-k}\right]+\mathrm{E}\left[\epsilon_{t}y_{t-k}\right] następnie, aby uzyskać analityczną wersję funkcji autokowariancji, muszę zastąpić wartości - 0, 1, 2 ... dopóki nie otrzymam rekurencji, która jest ważna …

13 time-series  covariance  autocorrelation  arma 

Z Wikipedii istnieje definicja Kryterium Informacyjnego Akaike (AIC) jako , gdzie jest liczbą parametrów, a jest prawdopodobieństwem modelu.AIC=2k−2logLAIC=2k−2log⁡L AIC = 2k -2 \log L kkklogLlog⁡L\log L Jednak nasze ekonometria zauważa na szanowanym uniwersytecie, że . Tutaj to oszacowana wariancja błędów w modelu ARMA, a to liczba obserwacji w zestawie danych …

12 econometrics  aic  arma  information-theory 

Próbuję zrozumieć, w jaki sposób obliczane są dopasowane wartości dla modeli ARMA (p, q). Znalazłem już pytanie dotyczące dopasowanych wartości procesów ARMA, ale nie byłem w stanie tego zrozumieć. Jeśli mam model ARMA (1,1), tj Xt=α1Xt−1+ϵt−β1ϵt−1Xt=α1Xt−1+ϵt−β1ϵt−1X_t = \alpha_1X_{t-1}+\epsilon_t - \beta_1 \epsilon_{t-1} i otrzymałem (stacjonarny) szereg czasowy, mogę oszacować parametry. Jak …

11 arma 

Jakie są zalety wyrażania modelu ARMA jako modelu przestrzeni stanów i przeprowadzania prognozowania przy użyciu filtra Kalmana? Metodologia ta jest na przykład stosowana w implementacji SARIMAX w python-statsmodels: https://github.com/statsmodels/statsmodels/tree/master/statsmodels/tsa/statespace

10 forecasting  arma  kalman-filter  state-space-models  statsmodels 

Moje pytanie brzmi, czy są jakieś dobre materiały online do nauki tego. Coś, co dobrze wprowadza rzeczy, zwłaszcza modele ARMA i powiązana matematyka. Edycja: Szukam czegoś z wyższej klasy studiów licencjackich. Coś jak we wprowadzeniu Brockwella i Davisa do szeregów czasowych i prognoz

10 time-series  references  arma 

Patrzę na wyjątkowo nieliniowe dane, dla których modele ARMA / ARIMA nie działają dobrze. Chociaż widzę trochę autokorelacji i podejrzewam, że mam lepsze wyniki dla nieliniowej autokorelacji. 1 / czy istnieje odpowiednik PACF dla korelacji rang? (w R?) 2 / czy istnieje odpowiednik modelu ARMA dla korelacji nieliniowej / rangowej …

9 r  correlation  nonparametric  garch  arma