Pytania otagowane jako time-series

Szeregi czasowe to dane obserwowane w czasie (w ciągłym czasie lub w dyskretnych przedziałach czasowych).

4
Ocena przewidywalności szeregów czasowych
Załóżmy, że mam trochę ponad 20 000 miesięcznych szeregów czasowych od stycznia do 05 grudnia. Każdy z nich reprezentuje globalne dane dotyczące sprzedaży innego produktu. Co jeśli zamiast obliczać prognozy dla każdego z nich, chciałbym skoncentrować się tylko na niewielkiej liczbie produktów, które „faktycznie mają znaczenie”? Mógłbym uszeregować te produkty …
1
Symulacja serii ARIMA (1,1,0)
Dopasowałem modele ARIMA do oryginalnej serii czasowej, a najlepszym modelem jest ARIMA (1,1,0). Teraz chcę zasymulować serię z tego modelu. Napisałem prosty model AR (1), ale nie mogłem zrozumieć, jak dostosować różnicę w modelu ARI (1,1,0). Następujący kod R dla serii AR (1) to: phi= -0.7048 z=rep(0,100) e=rnorm(n=100,0,0.345) cons=2.1 z[1]=4.1 …
11 r  time-series  arima 
2
Obliczanie wskaźników sezonowości dla złożonej sezonowości
Chcę prognozować artykuły detaliczne (według tygodnia) za pomocą wygładzania wykładniczego. W tej chwili utknąłem w sposobie obliczania, przechowywania i stosowania indeksów sesonalności. Problem polega na tym, że wszystkie przykłady, które znalazłem, dotyczą pewnego rodzaju sezonowości. W moim przypadku mam następujące problemy: 1. Pory roku nie występują w tym samym tygodniu …
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?
3
Dlaczego estymator OLS współczynnika AR (1) jest tendencyjny?
Próbuję zrozumieć, dlaczego OLS podaje tendencyjny estymator procesu AR (1). Zastanów się W tym modelu naruszona jest ścisła egzogeniczność, tzn. y_t i \ epsilon_t są skorelowane, ale y_ {t-1} i \ epsilon_t są nieskorelowane. Ale jeśli jest to prawdą, to dlaczego poniższe proste wyprowadzenie nie działa? ytϵt=α+βyt−1+ϵt,∼iidN(0,1).yt=α+βyt−1+ϵt,ϵt∼iidN(0,1). \begin{aligned} y_{t} &= …
3
Używać Holt-Winters czy ARIMA?
Moje pytanie dotyczy różnic koncepcyjnych między Holt-Winters a ARIMA. O ile rozumiem, Holt-Winters jest szczególnym przypadkiem ARIMA. Ale kiedy preferowany jest jeden algorytm? Być może Holt-Winters jest inkrementalny i dlatego służy jako wbudowany (szybszy) algorytm? Czekam na wgląd tutaj.
2
Bezstronny estymator dla modelu AR ( )
Rozważ model AR ( ) (zakładając zero dla uproszczenia):ppp xt=φ1xt−1+…+φpxt−p+εtxt=φ1xt−1+…+φpxt−p+εt x_t = \varphi_1 x_{t-1} + \dotsc + \varphi_p x_{t-p} + \varepsilon_t Oszacowano, że estymator OLS (równoważny estymatorowi warunkowego maksymalnego prawdopodobieństwa) dla jest tendencyjny, jak zauważono w ostatnim wątku .φ:=(φ1,…,φp)φ:=(φ1,…,φp)\mathbf{\varphi} := (\varphi_1,\dotsc,\varphi_p) (Co ciekawe, nie mogę znaleźć nastawienie mowa w Hamilton …
1
Zrozumienie formuły różnicowania ułamkowego
Mam szereg czasowy ytyty_ti chciałbym modelować to jako proces ARFIMA (alias FARIMA). Jeśli jest zintegrowane z (ułamkowym) rzędem , chciałbym różnicować go ułamkowo, aby stał się nieruchomy.ytyty_trered Pytanie : czy następujący wzór definiujący różnicowanie ułamkowe jest poprawny? Δreyt: =yt- dyt - 1+re( d- 1 )2 !yt - 2-re( d- 1 …
2
Jak modelować efekty miesiąc do miesiąca w danych dziennych szeregów czasowych?
Mam dwie serie danych dziennych. Jedna z nich to sign-upsdruga terminationssubskrypcja. Chciałbym przewidzieć ten drugi, wykorzystując informacje zawarte w obu zmiennych. Patrząc na wykres tych serii, oczywiste jest, że zakończenia są skorelowane z wielokrotnością rejestracji sprzed miesięcy. Oznacza to, że skok liczby rejestracji w dniu 10 maja doprowadzi do wzrostu …
3
Tworzenie automatycznie skorelowanych wartości losowych w R
Próbujemy stworzyć automatycznie skorelowane wartości losowe, które zostaną wykorzystane jako szeregi czasowe. Nie mamy żadnych danych, do których się odwołujemy, a po prostu chcemy stworzyć wektor od zera. Z jednej strony potrzebujemy oczywiście losowego procesu z rozkładem i jego SD. Z drugiej strony należy opisać autokorelację wpływającą na losowy proces. …
4
Co zrobić z objaśnieniami w szeregach czasowych?
Pracując głównie z danymi przekrojowymi do tej pory i bardzo niedawno przeglądając, skanując potykając się o kilka wstępnych literatur szeregów czasowych, zastanawiam się, jaką rolę odgrywają zmienne objaśniające w analizie szeregów czasowych. Chciałbym wyjaśnić trend zamiast usuwania trendów. Większość tego, co przeczytałem jako wstęp, zakłada, że ​​seria wywodzi się z …
5
Jak poprawić wykryte wartości odstające dla prognozowania danych szeregów czasowych?
Próbuję znaleźć sposób korygowania wartości odstających, gdy tylko znajdę je / wykryję w danych szeregów czasowych. Niektóre metody, takie jak nnetar w R, dają pewne błędy dla szeregów czasowych z dużymi / dużymi wartościami odstającymi. Udało mi się już poprawić brakujące wartości, ale wartości odstające wciąż niszczą moje prognozy ...
1
Interpretacja rozkładu szeregów czasowych przy użyciu TBATS z pakietu prognozy R.
Chciałbym rozłożyć następujące dane szeregów czasowych na komponenty sezonowe, trendowe i resztkowe. Dane to godzinny profil energii chłodzenia z budynku komercyjnego: TotalCoolingForDecompose.ts <- ts(TotalCoolingForDecompose, start=c(2012,3,18), freq=8765.81) plot(TotalCoolingForDecompose.ts) Istnieją zatem oczywiste dzienne i tygodniowe efekty sezonowe w związku z tym na podstawie porady: Jak rozłożyć szereg czasowy z wieloma składnikami sezonowymi? …
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.