Pytania otagowane jako time-series

Próbuję wykorzystać regresję RF do prognozowania wydajności papierni. Mam dane minut po minucie dla danych wejściowych (szybkość i ilość miazgi drzewnej wchodzącej itp.), A także dla wydajności maszyny (wyprodukowany papier, moc pobierana przez maszynę) i szukam prognoz 10 minut wyprzedzić zmienne wydajności. Mam 12 miesięcy danych, więc podzieliłem je na …

10 time-series  forecasting  cross-validation  random-forest  autoregressive 

Prawdopodobnie istnieje więcej niż jedno poważne nieporozumienie w tym pytaniu, ale nie ma ono na celu poprawnego obliczenia, ale raczej zmotywowanie uczenia się szeregów czasowych z pewnym uwzględnieniem. Próbując zrozumieć zastosowanie szeregów czasowych, wydaje się, że usunięcie danych z trendów czyni prognozowanie przyszłych wartości niemożliwym. Na przykład gtempszereg czasowy z …

10 r  time-series  data-visualization 

W komentarzu do tego pytania użytkownik @whuber wskazał na możliwość używania okresowej wersji splajnów w celu dopasowania danych okresowych. Chciałbym dowiedzieć się więcej o tej metodzie, w szczególności o równaniach definiujących splajny oraz o tym, jak je zaimplementować w praktyce (jestem głównie Rużytkownikiem, ale jeśli zajdzie taka potrzeba, poradzę sobie …

10 regression  time-series  seasonality  splines 

Obecnie staram się zrozumieć filtry cząstek i ich możliwe zastosowania w finansach i dość mocno się zmagam. Jakie są matematyczne i statystyczne warunki wstępne, które powinienem ponownie przejrzeć (pochodzące z podstaw finansów ilościowych), aby (i) udostępnić podstawy filtrów cząstek i (ii) później je dokładnie zrozumieć? Mam solidną wiedzę na temat …

10 time-series  particle-filter 

Jakie jest typowe podejście do modelowania binarnych szeregów czasowych? Czy istnieje papier lub podręcznik, w którym jest to traktowane? Myślę o procesie binarnym z silną autokorelacją. Coś w rodzaju znaku procesu AR (1) rozpoczynającego się od zera. Powiedz X0=0X0=0X_0 = 0 i Xt+1=β1Xt+ϵt,Xt+1=β1Xt+ϵt, X_{t+1} = \beta_1 X_t + \epsilon_t, z …

10 regression  time-series  logistic  binary-data  autoregressive 

Od tytułu chciałbym wiedzieć, czy istnieje test statystyczny, który może mi pomóc zidentyfikować znaczącą rozbieżność między dwoma podobnymi szeregami czasowymi. W szczególności, patrząc na poniższy rysunek, chciałbym wykryć, że szereg zaczyna się rozchodzić w czasie t1, tj. Kiedy różnica między nimi zaczyna być znacząca. Co więcej, wykryłbym również, kiedy różnica …

10 time-series  statistical-significance  variance  convergence  trend 

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 …

10 time-series  pca  references  covariance  stationarity 

Test Durbina-Watsona testuje autokorelację reszt przy opóźnieniu 1. Ale tak samo jest z testowaniem autokorelacji przy opóźnieniu 1. Dodatkowo możesz przetestować autokorelację przy opóźnieniu 2,3,4, a istnieją dobre testy Portmanteau dla autokorelacji przy wielu opóźnieniach i uzyskać ładne, łatwo interpretowalne wykresy [np. Funkcja acf () w R]. Durbin-Watson nie jest …

10 time-series  autocorrelation 

Przeczytałem w artykule następujące zdanie: Fakt, że istnieje różnica między współczynnikami krótko- i długoterminowymi, wynika z naszej specyfikacji, która obejmuje opóźnione zmienne endogeniczne. Prowadzą regresję pierwszych różnic i obejmują opóźnienie zmiennej zależnej. Teraz twierdzą, że jeśli spojrzysz na oszacowanie (np. Nazwijmy to oszacowanie ) z wyjścia, to jest to krótkoterminowy …

10 regression  time-series  lags 

Wyobraź sobie sytuację: mamy historyczne zapisy (20 lat) trzech kopalń. Czy obecność srebra zwiększa prawdopodobieństwo znalezienia złota w przyszłym roku? Jak przetestować takie pytanie? Oto przykładowe dane: mine_A <- c("silver","rock","gold","gold","gold","gold","gold", "rock","rock","rock","rock","silver","rock","rock", "rock","rock","rock","silver","rock","rock") mine_B <- c("rock","rock","rock","rock","silver","rock","rock", "silver","gold","gold","gold","gold","gold","rock", "silver","rock","rock","rock","rock","rock") mine_C <- c("rock","rock","silver","rock","rock","rock","rock", "rock","silver","rock","rock","rock","rock","silver", "gold","gold","gold","gold","gold","gold") time <- seq(from = 1, to = 20, …

10 r  time-series  hypothesis-testing  stochastic-processes 

Jestem analitykiem w dziedzinie finansów i ubezpieczeń i za każdym razem, gdy próbuję dopasować modele zmienności, uzyskuję okropne wyniki: reszty są często niestacjonarne (w sensie pierwiastka jednostkowego) i heteroskedastyczne (więc model nie wyjaśnia zmienności). Czy może modele ARCH / GARCH działają z innymi danymi? Edytowano 17.04.2015 15:07 w celu wyjaśnienia …

10 time-series  garch  volatility-forecasting  arch 

Próbuję uruchomić prostą regresję, ale moje zmienne Y są obserwowane z częstotliwością miesięczną, a zmienne x są obserwowane z częstotliwością roczną. Naprawdę docenię wskazówki dotyczące odpowiedniego podejścia, które można zastosować do regresji z różnymi częstotliwościami. Dziękuję Ci bardzo

10 regression  time-series 

Strona Wikipedii mówi, że Box-Jenkins to metoda dopasowania modelu ARIMA do szeregu czasowego. Teraz, jeśli chcę dopasować model ARIMA do szeregu czasowego, otworzę SAS, zadzwonię proc ARIMA, podam parametry a SAS da mi współczynniki AR i MA. Teraz mogę wypróbować różne kombinacje a SAS da mi zestaw współczynników w każdym …

10 time-series  arima  sas  aic  box-jenkins 

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 …

10 time-series  stationarity  seasonality 

To tylko ogólne pytanie. Jeśli masz dane szeregów czasowych, kiedy lepiej jest stosować techniki szeregów czasowych (aka, ARCH, GARCH itp.) Zamiast technik uczenia maszynowego / statystycznego (KNN, regresja)? Jeśli istnieje podobne pytanie dotyczące weryfikacji krzyżowej, proszę skierować mnie do niego - spojrzałem i nie mogłem go znaleźć.

10 time-series  machine-learning