Pytania otagowane jako stationarity

Proces ściśle stacjonarny (lub szereg czasowy) to taki, którego łączny rozkład jest stały w czasie. Słabo stacjonarny (lub stacjonarny kowariancja) proces lub szereg to taki, którego średnia i funkcja kowariancji (wariancja i funkcja autokorelacji) nie zmieniają się w czasie.

5
Jak zniechęcić szeregi czasowe?
Jak zniechęcić szeregi czasowe? Czy wystarczy wziąć pierwszą różnicę i przeprowadzić test Dickeya Fullera, a jeśli jest stacjonarny, jesteśmy dobrzy? Odkryłem również w Internecie, że mogę odrzucić szeregi czasowe, robiąc to w Stata: reg lncredit time predict u_lncredit, residuals twoway line u_lncredit time dfuller u_lncredit, drift regress lags(0) Jakie jest …

1
Jeśli
Natrafiłem na dowód na jedną z właściwości modelu ARCH, który mówi, że jeśli , to jest stacjonarny iff gdzie model ARCH to:{ X t } ∑ p i = 1 b i &lt; 1E(X2t)&lt;∞E(Xt2)&lt;∞\mathbb{E}(X_t^2) < \infty{Xt}{Xt}\{X_t\}∑pi=1bi&lt;1∑i=1pbi&lt;1\sum_{i=1}^pb_i < 1 Xt=σtϵtXt=σtϵtX_t = \sigma_t\epsilon_t σ2t=b0+b1X2t−1+...bpX2t−pσt2=b0+b1Xt−12+...bpXt−p2\sigma_t^2 = b_0 + b_1X_{t-1}^2 + ... b_pX_{t-p}^2 Główną …





2
Jeśli szereg czasowy jest stacjonarny drugiego rzędu, czy oznacza to, że jest ściśle stacjonarny?
Proces jest ściśle stacjonarny, jeśli wspólny rozkład jest taki sam jak wspólny rozkład dla wszystkich m , dla wszystkich k i dla wszystkich t_1, t_2, ..., t_m .XtXtX_tXt1,Xt2,...,XtmXt1,Xt2,...,XtmX_{t_1},X_{t_2},...,X_{t_m}Xt1+k,Xt2+k,...,Xtm+kXt1+k,Xt2+k,...,Xtm+kX_{t_1+k},X_{t_2+k},...,X_{t_m+k}mmmkkkt1,t2,...,tmt1,t2,...,tmt_1,t_2,...,t_m Proces jest stacjonarny drugiego rzędu, jeśli jego średnia jest stała, a jego funkcja autokowariancji zależy tylko od opóźnienia. Czy zatem stacjonarne drugie …

2
Jaka intuicja kryje się za różnicowaniem drugiego rzędu?
Czasami może zaistnieć potrzeba różnicowania serii czasowej, aby stała się stacjonarna. Nie rozumiem jednak, w jaki sposób różnicowanie drugiego rzędu może pomóc uczynić go nieruchomym, gdy różnicowanie pierwszego rzędu nie wystarczy. Czy możesz podać intuicyjne wyjaśnienie różnicowania drugiego rzędu i przypadków, w których jest to potrzebne?

2
Czy można stosować analizę głównych składników w odniesieniu do cen akcji / danych niestacjonarnych?
Czytam przykład podany w książce Machine Learning for Hackers . Najpierw rozwinę ten przykład, a następnie omówię moje pytanie. Przykład : Pobiera zestaw danych na 10 lat z 25 cenami akcji. Uruchamia PCA w cenie 25 akcji. Porównuje główny składnik z indeksem Dow Jones. Obserwuje bardzo silne podobieństwo między PC …

3
Czy sezonowe szeregi czasowe oznaczają stacjonarne lub niestacjonarne szeregi czasowe
Jeśli mam szereg czasowy o sezonowości, czy to automatycznie powoduje, że szereg nie jest stacjonarny? Moja intuicja (prawdopodobnie wyłączona) jest taka, że ​​tak nie jest. Sezonowość oznacza, że ​​seria rośnie i spada wokół stałej wartości ... coś w rodzaju fali sinusoidalnej. Zgodnie z tą logiką szereg czasowy z sezonowością jest …



2
Uczenie się przez wzmocnienie w środowisku niestacjonarnym [zamknięte]
Zamknięte . To pytanie musi być bardziej skoncentrowane . Obecnie nie przyjmuje odpowiedzi. Chcesz poprawić to pytanie? Zaktualizuj pytanie, aby skupiało się tylko na jednym problemie, edytując ten post . Zamknięte 22 dni temu . P1: Czy istnieją ogólnie przyjęte lub powszechnie akceptowane metody radzenia sobie ze środowiskiem niestacjonarnym w …

1
Dlaczego moje modele VAR działają lepiej z danymi niestacjonarnymi niż z danymi stacjonarnymi?
Używam biblioteki VAR Pytsmodels do modelowania danych finansowych szeregów czasowych, a niektóre wyniki mnie zastanawiają. Wiem, że modele VAR zakładają, że dane szeregów czasowych są nieruchome. Nieumyślnie dopasowałem niestacjonarną serię cen logów dla dwóch różnych papierów wartościowych i, co zaskakujące, dopasowane wartości i prognozy w próbie były bardzo dokładne z …

3
Koncepcyjne rozróżnienie między heteroscedastycznością a niestacjonarnością
Mam problem z rozróżnieniem pojęć skrzeczności i stacjonarności. Jak rozumiem, heteroscedastyczność różni się zmiennością w subpopulacjach, a niestacjonarność jest zmieniającą się średnią / wariancją w czasie. Jeśli jest to prawidłowe (choć uproszczone) zrozumienie, czy niestacjonarność jest po prostu konkretnym przypadkiem heteroscedastyczności w czasie?
Korzystając z naszej strony potwierdzasz, że przeczytałeś(-aś) i rozumiesz nasze zasady używania plików cookie i zasady ochrony prywatności.
Licensed under cc by-sa 3.0 with attribution required.