W dziedzinie ekonomii (myślę) mamy ARIMA i GARCH dla regularnie rozmieszczonych szeregów czasowych i Poissona, Hawkesa dla modelowania procesów punktowych, więc co powiesz na próby modelowania nieregularnie (nierównomiernie) szeregów czasowych - czy są (przynajmniej) jakieś powszechne praktyki ? (Jeśli masz trochę wiedzy w tym temacie, możesz także rozwinąć odpowiedni artykuł …
Jestem pod wrażeniem forecastpakietu R , a także np. zooPakietu dla nieregularnych szeregów czasowych i interpolacji brakujących wartości. Moja aplikacja jest w zakresie prognozowania ruchu w call center, więc danych w weekendy (prawie) zawsze brakuje (prawie), co można ładnie obsłużyć zoo. Ponadto może brakować niektórych dyskretnych punktów, po prostu używam …
Nie jest dla mnie jasne, jak obliczyć kointegrację z nieregularnymi szeregami czasowymi (najlepiej przy użyciu testu Johansena z VECM). Moją początkową myślą byłoby uregulowanie szeregu i interpolacja brakujących wartości, chociaż może to wpływać na oszacowanie. Czy jest jakaś literatura na ten temat?
W badaniach ekonometrii finansowej bardzo często badane są relacje między szeregami czasowymi finansów, które przyjmują formę danych dziennych . Zmienną często będzie , biorąc na przykład różnicę logarytmiczną; ln ( P t ) - ln ( P t - 1 ) .ja( 0 )ja(0)I(0)ln( Pt) - ln( Pt - 1)ln(P.t)-ln(P.t-1)\ln(P_t)-\ln(P_{t-1}) …
Ostatnio dużo czytałem o Dynamic Time Warping (DTW). Jestem bardzo zaskoczony, że w ogóle nie ma literatury na temat zastosowania DTW do nieregularnych szeregów czasowych, a przynajmniej nie mogłem jej znaleźć. Czy ktoś mógłby podać mi odniesienie do czegoś związanego z tym problemem, a może nawet jego wdrożenie?
Próbuję przeanalizować opóźnienie między szeregami czasowymi dwóch cen akcji. W regularnych analizach szeregów czasowych możemy wykonać Cross Correlaton, VECM (Granger Causality). Jak jednak sobie z tym poradzić w nieregularnie rozmieszczonych szeregach czasowych. Hipoteza jest taka, że jeden z instrumentów prowadzi drugi. Mam dane dla obu symboli w mikrosekundach. Przejrzałem pakiet …
Mam dane dotyczące populacji wielu różnych ryb, z których pobierano próbki przez okres około 5 lat, ale w bardzo nieregularny sposób. Czasami są miesiące między próbkami, czasem jest kilka próbek w ciągu jednego miesiąca. Istnieje również wiele zliczeń 0 Jak radzić sobie z takimi danymi? Mogę dość łatwo zobrazować go …
Zadałem to pytanie na StackOverflow i polecono mi zadać je tutaj. Mam dwie serie czasowe danych akcelerometru 3D, które mają różne podstawy czasu (zegary uruchamiane w różnych momentach, z bardzo niewielkim pełzaniem w czasie próbkowania), a także zawierające wiele przerw o różnych rozmiarach (z powodu opóźnień związanych z pisaniem do …
Z tego artykułu pochodzą następujące przeszczepy . Jestem nowicjuszem w bootstrapie i próbuję zaimplementować parametryczne, semiparametryczne i nieparametryczne bootstrapowanie dla liniowego modelu mieszanego z R bootpakietem. Kod R. Oto mój Rkod: library(SASmixed) library(lme4) library(boot) fm1Cult <- lmer(drywt ~ Inoc + Cult + (1|Block) + (1|Cult), data=Cultivation) fixef(fm1Cult) boot.fn <- function(data, …
Mam nieregularnie rozmieszczone XTSszeregi czasowe (z POSIXctwartościami typu indeksu). Jak mogę zbudować nową serię czasową próbkowaną z, powiedzmy, 10-minutowym interwałem, ale z każdym momentem próbki dopasowanym do rundy (13:00:00, 13:10:00, 13:20:00, ...) . Jeśli moment ponownego próbkowania nie spadnie dokładnie na oryginalną wartość serii, chcę wziąć poprzednią.
Używamy plików cookie i innych technologii śledzenia w celu poprawy komfortu przeglądania naszej witryny, aby wyświetlać spersonalizowane treści i ukierunkowane reklamy, analizować ruch w naszej witrynie, i zrozumieć, skąd pochodzą nasi goście.
Kontynuując, wyrażasz zgodę na korzystanie z plików cookie i innych technologii śledzenia oraz potwierdzasz, że masz co najmniej 16 lat lub zgodę rodzica lub opiekuna.