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...
Jeśli potrafisz mierzyć szereg czasowy obserwacji na dowolnym poziomie precyzji w czasie, a twoim celem jest zidentyfikowanie związku między X i Y, czy istnieje jakieś empiryczne uzasadnienie dla wyboru określonego poziomu agregacji nad innym, czy też powinno wybór należy podjąć na podstawie teorii...
Mam problem z ustaleniem, co plot.stldokładnie oznaczają słupki zasięgu . Znalazłem post Gavina na to pytanie i przeczytałem również dokumentację, rozumiem, że mówią one o względnej wielkości rozłożonych komponentów, ale nadal nie jestem całkowicie pewien, jak działają. Na przykład: dane: malutki...
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...
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,...
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, …...
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 .ytyty_tt = 1 , 2 , . . , nt=1,2,..,nt=1,2,..,nfayt(...
Które problemy z sekwencyjnym wejściem są najbardziej odpowiednie dla każdego? Czy wymiar wejściowy określa, które z nich jest lepsze? Czy problemy wymagające „dłuższej pamięci” lepiej pasują do RNN LSTM, podczas gdy problemy z cyklicznymi wzorcami wprowadzania danych (giełda, pogoda) są łatwiejsze...
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...
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...
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...
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...
Czy lepiej jest różnicować serię (zakładając, że jej potrzebuje) przed użyciem Arima LUB lepiej użyć parametru d w Arimie? Byłem zaskoczony, jak różne są dopasowane wartości w zależności od tego, którą trasę wybrał ten sam model i dane. Czy robię coś
Stroiłem model przy użyciu caret, ale potem ponownie uruchomiłem model przy użyciu gbmpakietu. Rozumiem, że caretpakiet używa gbmi wynik powinien być taki sam. Jednak tylko szybki test przy użyciu data(iris)wykazuje rozbieżność w modelu około 5% przy użyciu RMSE i R ^ 2 jako metryki oceny. Chcę...
Od ponad 2 lat pracuję nad różnymi seriami czasowymi. Czytałem w wielu artykułach, że ACF służy do identyfikacji kolejności terminu MA, a PACF dla AR. Istnieje ogólna zasada, że dla MA opóźnienie, w którym ACF nagle się wyłącza, jest rzędu MA i podobnie dla PACF i AR. Oto jeden z artykułów,...
Buduję modele ARIMA dla niektórych danych wiatru / fal. Buduję osobny model dla każdej zmiennej. Dwie zmienne, które muszę modelować, to kierunek fali i wiatru. Wartości podano w stopniach (0–360 °). Czy jest możliwe modelowanie tego typu danych, gdy przedział wartości jest okrągły? Jeśli nie, to...
Muszę zautomatyzować prognozowanie szeregów czasowych i nie znam z góry cech tych szeregów (sezonowość, trend, hałas itp.). Moim celem nie jest uzyskanie najlepszego możliwego modelu dla każdej serii, ale uniknięcie całkiem złych modeli. Innymi słowy, otrzymywanie drobnych błędów za każdym razem...
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:...
Podczas modelowania szeregów czasowych można (1) modelować strukturę korelacyjną terminów błędów, ponieważ np. Proces AR (1) (2) obejmuje zmienną zależną opóźnioną jako zmienną objaśniającą (po prawej stronie) Rozumiem, że są to czasem istotne powody, dla których warto (2). Jakie są jednak...
Mam codzienne dane dotyczące sprzedaży produktu o dużej sezonowości. Chcę uchwycić sezonowość w modelu regresji. Czytałem, że jeśli masz dane kwartalne lub miesięczne, w takim przypadku możesz utworzyć odpowiednio 3 i 11 zmiennych zastępczych - ale czy mogę sobie poradzić z danymi dziennymi? Mam...