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.
Rozumiem, że stacjonarne szeregi czasowe to takie, których średnia i wariancja jest stała w czasie. Czy ktoś może wyjaśnić, dlaczego musimy upewnić się, że nasz zestaw danych jest stacjonarny, zanim będziemy mogli uruchamiać na nim różne modele ARIMA lub ARM? Czy dotyczy to również modeli regresji...
Oprócz różnic, jakie są inne techniki tworzenia niestacjonarnych szeregów czasowych, stacjonarnych? Zwykle jeden odnosi się do szeregu jako „ zintegrowany rzędu p ”, jeśli można go unieruchomić za pomocą operatora opóźnienia .( 1 - L )P.Xt(1−L)PXt(1-L)^P
Używam R, szukałem w Google i dowiedział się, że kpss.test(), PP.test()iadf.test() są wykorzystywane wiedzieć o stacjonarności szeregów czasowych. Ale nie jestem statystykiem, który potrafi interpretować swoje wyniki > PP.test(x) Phillips-Perron Unit Root Test data: x Dickey-Fuller =...
Zauważyłem, że średnio wartość bezwzględna współczynnika korelacji Pearsona jest stała zbliżona do każdej pary niezależnych losowych spacerów, niezależnie od długości spaceru.0.560.42 Czy ktoś może wyjaśnić to zjawisko? Spodziewałem się, że korelacje będą się zmniejszać wraz ze wzrostem długości...
Jaka jest różnica między testem Kwiatkowski – Phillips – Schmidt – Shin (KPSS) a rozszerzonym testem Dickeya-Fullera (ADF)? Czy testują to samo? Czy też musimy ich używać w różnych
Analiza międzyrynkowa jest metodą modelowania zachowań rynkowych poprzez znajdowanie relacji między różnymi rynkami. Często oblicza się korelację między dwoma rynkami, powiedzmy S&P 500 i 30-letnimi amerykańskimi skarbami. Obliczenia te najczęściej oparte są na danych cenowych, co jest...
Rozumiem, że powinniśmy używać ARIMA do modelowania niestacjonarnych szeregów czasowych. Ponadto wszystko, co czytam, mówi, że ARMA powinna być używana tylko do stacjonarnych szeregów czasowych. Próbuję zrozumieć, co dzieje się w praktyce, kiedy błędnie klasyfikujesz model i zakładasz, d = 0że...
Kilkakrotnie widziałem, jak ludzie odrzucają wartość zerową w rozszerzonym teście Dickeya-Fullera , a następnie twierdzą, że pokazuje, że ich seria jest stacjonarna (niestety nie mogę pokazać źródeł tych twierdzeń, ale wyobrażam sobie, że podobne twierdzenia istnieją tu i tam w jeden lub inny...
Krótka wersja: Mam szereg danych klimatycznych, które testuję pod kątem stacjonarności. Na podstawie wcześniejszych badań spodziewam się, że model leżący u podstaw (lub, że tak powiem, „generowania” danych) będzie miał wyraz przechwytujący i pozytywny liniowy trend czasu. Aby przetestować te dane...
Rozważmy proces AR (2) o średnim środku Xt=ϕ1Xt−1+ϕ2Xt−2+ϵtXt=ϕ1Xt−1+ϕ2Xt−2+ϵtX_t=\phi_1X_{t-1}+\phi_2X_{t-2}+\epsilon_t gdzie ϵtϵt\epsilon_t jest standardowym procesem białego szumu. Tylko dla uproszczenia niech mnie nazywają ϕ1=bϕ1=b\phi_1=b i ϕ2=aϕ2=a\phi_{2}=a . Skupiając się na pierwiastkach...
Myślenie o wykorzystaniu rekurencyjnych sieci neuronowych do prognozowania szeregów czasowych. Zasadniczo wdrażają rodzaj uogólnionej nieliniowej auto-regresji, w porównaniu do modeli ARMA i ARIMA, które wykorzystują liniową auto-regresję. Jeśli wykonujemy nieliniową autoregresję, czy nadal...
Ja pracuje na danych przedstawionych electricitydostępny w pakiecie R TSA. Moim celem jest sprawdzenie, czy arimamodel będzie odpowiedni dla tych danych i ostatecznie je dopasuje. Postępowałem więc następująco: 1. Wykreśl szereg czasowy, który powstał, jeśli następujący wykres: 2.: Chciałem wziąć...
Jakie są wymagania dotyczące stacjonarności stosowania regresji z błędami ARIMA (regresja dynamiczna) do wnioskowania? W szczególności, mam niestacjonarne bezstopniowej wynik , A niestacjonarnym predyktor ciągły x i zmienny obojętne seria leczenia x b . Chciałbym wiedzieć, czy leczenie było...
W praktyce, jak ocenić, czy proces AR (P) jest stacjonarny, czy nie? Jak ustalić zamówienie dla modelu AR i
Przez jakiś czas walczyłem ze stacjonarnością w głowie ... Czy tak o tym sądzisz? Wszelkie uwagi i dalsze przemyślenia będą mile widziane. Proces stacjonarny to taki, który generuje wartości szeregów czasowych takie, że średnia rozkład i wariancja są utrzymywane na stałym poziomie. Ściśle...
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...
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 < 1E(X2t)<∞E(Xt2)<∞\mathbb{E}(X_t^2) < \infty{Xt}{Xt}\{X_t\}∑pi=1bi<1∑i=1pbi<1\sum_{i=1}^pb_i < 1 Xt=σtϵtXt=σtϵtX_t = \sigma_t\epsilon_t...
Mam zestaw danych, który wyraźnie rośnie w miarę upływu czasu (kurs waluty, dane miesięczne przez 20 lat), moje pytanie brzmi: czy mogę odreagować dane, a następnie różnicować je, aby stały się nieruchome, jeśli samo to zniechęcenie nie osiąga tego? A jeśli tak, to czy byłoby to uważane za...
Czy każde niestacjonarne szeregi czasowe można przekształcić w stacjonarne szeregi czasowe, stosując różnicowanie? W jaki sposób decydujesz o kolejności różnicowania? Czy różnisz się tylko interwałami 1,2 ... n i za każdym razem wykonujesz test jednostkowy pierwiastka stacjonarnego, aby sprawdzić,...
Serię ze znoszeniem można modelować jako gdzie jest znoszeniem (stałym), a . yt= c + ϕ yt - 1+ εtyt=c+ϕyt−1+εty_t = c + \phi y_{t-1} + \varepsilon_tdoccϕ = 1ϕ=1\phi=1 Szereg z trendem można modelować jako gdzie jest dryftem (stałym), jest deterministycznym trendem czasowym, a .yt= c + δt + ϕ yt -...