Pytania otagowane jako time-series

Pracuję nad małym projektem, w którym staramy się przewidzieć ceny towarów (ropa, aluminium, cyna itp.) Na następne 6 miesięcy. Mam 12 takich zmiennych do przewidzenia i mam dane z kwietnia 2008 r. - maja 2013 r. Jak powinienem przejść do prognozowania? Zrobiłem następujące: Zaimportowane dane jako zestaw danych Timeseries Sezonowość …

13 r  time-series  forecasting  neural-networks  arima 

Próbuję przetestować kointegrację między dwoma szeregami czasowymi. Obie serie mają tygodniowe dane obejmujące ~ 3 lata. Próbuję wykonać metodę dwuetapową Engle-Granger. Moja kolejność operacji jest następująca. Testuj każdą serię czasową pod kątem pierwiastka za pomocą Augmented Dickey-Fuller. Zakładając, że oba mają pierwiastki, następnie znajdź liniowe przybliżenie relacji za pomocą OLS. …

13 time-series  cointegration  unit-root  augmented-dickey-fuller 

Mam dwie 2 godziny danych GPS z częstotliwością próbkowania 1 Hz (7200 pomiarów). Dane są podane w formie , gdzie jest niepewnością pomiaru.(X,Xσ,Y,Yσ,Z,Zσ)(X,Xσ,Y,Yσ,Z,Zσ)(X, X_\sigma, Y, Y_\sigma, Z, Z_\sigma)NσNσN_\sigma Kiedy wezmę średnią ze wszystkich pomiarów (np. Średnią wartość Z tych dwóch godzin), jakie jest jej odchylenie standardowe? Mogę oczywiście obliczyć odchylenie …

13 time-series  mean  standard-deviation 

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 

Próbowałem nauczyć się i stosować modele ARIMA. Czytałem doskonały tekst na temat ARIMA autorstwa Pankratza - Prognozowanie przy użyciu Univariate Box - Jenkins Models: Concepts and Cases . W tekście autor podkreśla przede wszystkim oszczędność w wyborze modeli ARIMA. Zacząłem grać z auto.arima()funkcji w R pakietu prognozy . Oto, co …

13 time-series  forecasting  arima  aic  automatic-algorithms 

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 

1. Problem Mam pomiarów zmiennej , gdzie t = 1 , 2 , . . , N , na które mają rozkład f a t ( R t ) uzyskanej poprzez MCMC, który dla uproszczenia będzie zakładać, że jest to Gaussa o średniej μ T a zmienność σ 2 t …

13 time-series  mcmc  autoregressive  likelihood 

Czy standaryzacja zmiennej zależnej w grupie identyfikacyjnej ma sens? Poniższy dokument roboczy (Spowolnienie wylesiania w legalnej Amazonii; Ceny czy zasady ?, pdf ) wykorzystuje znormalizowaną zmienną zależną do analizy wpływu ogólnej zmiany polityki w Brazylii na wylesianie. Standaryzacja odbywa się w następujący sposób: Ynewit=Yit−Yi¯¯¯¯¯sd(Yit)Yitnew=Yit−Yi¯sd(Yit) Y^{new}_{it} = \frac{Y_{it} - \overline{Y_i}}{sd(Y_{it})} Autorzy …

13 regression  time-series  panel-data  standardization  fixed-effects-model 

Edytować Znalazłem artykuł opisujący dokładnie procedurę, której potrzebuję. Jedyna różnica polega na tym, że papier interpoluje średnie dane miesięczne do dziennych, przy jednoczesnym zachowaniu średnich miesięcznych. Mam problem z wdrożeniem tego podejścia R. Wszelkie wskazówki są mile widziane. Oryginalny Na każdy tydzień mam następujące dane zliczania (jedna wartość na tydzień): …

13 r  time-series  interpolation 

Na wstępie mam dość głębokie podstawy matematyczne, ale tak naprawdę nigdy nie zajmowałem się szeregami czasowymi ani modelowaniem statystycznym. Więc nie musisz być dla mnie bardzo delikatny :) Czytam ten artykuł o modelowaniu zużycia energii w budynkach komercyjnych, a autor twierdzi, że: [Obecność autokorelacji powstaje], ponieważ model został opracowany na …

13 time-series  autocorrelation 

Czy proces AR (1), taki jak jest procesem Markowa?yt= ρ yt - 1+ εtyt=ρyt−1+εty_t=\rho y_{t-1}+\varepsilon_t Jeśli tak, to VAR (1) jest wektorową wersją procesu Markowa?

13 time-series 

Podczas wstępnego testowania testu kointegracji Johansena dla 2 serii czasowych (prosty przypadek) musisz zdecydować o opóźnieniu, którego chcesz użyć. Wykonanie testu dla różnych opóźnień zwraca różne wyniki: dla niektórych poziomów opóźnień hipotezę zerową można odrzucić, a dla innych nie. Moje pytanie brzmi: jaka jest właściwa metoda oparta na danych wejściowych, …

13 time-series  cointegration 

Próbuję po prostu zrozumieć, jaki jest związek między normalną regresją wielokrotną / prostą a regresją wielokrotną / prostą, gdy zmienne są różnicowane. Na przykład analizuję związek między saldem depozytów ( ) a stopami rynkowymi ( ) Jeśli uruchomię prostą regresję liniową, korelacja jest ujemna i dość znacząca (około -74). Jeśli …

13 regression  time-series 

Mam model prognozowania dla szeregów czasowych i chcę obliczyć jego błąd prognozowania poza próbą. W tej chwili strategię, którą stosuję, jest ta sugerowana na blogu Roba Hyndmana (w dolnej części strony), która wygląda następująco (zakładając szereg czasowy i zestaw treningowy o rozmiarze k )y1, … , Yny1,…,yny_1,\dots,y_nkkk Dopasować model do …

13 time-series  forecasting 

Widzę model regresji, który regresuje zwroty z indeksu giełdowego z opóźnieniem (12 miesięcy) Rentowność z tego samego indeksu giełdowego, marżę kredytową (różnica między średnią miesięczną wolną od ryzyka obligacją a obligacją korporacyjną) plony), wskaźnik inflacji r / r oraz wskaźnik produkcji przemysłowej r / r. Wygląda to w ten sposób …

13 regression  time-series  autocorrelation