Запитання з тегом «time-series»

У мене є багатофакторний набір даних часових рядів, включаючи взаємодіючі біологічні та екологічні змінні (плюс, можливо, деякі екзогенні змінні). Крім сезонності, даних немає чіткої довгострокової тенденції. Моя мета - побачити, які змінні пов'язані між собою. Прогнозування насправді не шукали. Будучи новим у аналізі часових рядів, я прочитав кілька посилань. Наскільки …

15 r  time-series  var  seasonality 

У мене є часовий ряд, який я намагаюся прогнозувати, для якого я використав сезонну модель ARIMA (0,0,0) (0,1,0) [12] (= fit2). Він відрізняється від того, що R запропонувало з auto.arima (R, розраховане ARIMA (0,1,1) (0,1,0) [12], було б краще, я назвав це придатним1). Однак, за останні 12 місяців моєї часової …

15 r  time-series  statistical-significance  arima  residuals 

На практиці, як оцінити, чи є процес AR (P) стаціонарним чи ні? Як визначити порядок для моделі AR та MA?

15 time-series  stochastic-processes  arma  stationarity 

Я розігрувався з деяким тестуванням одиничного кореневого контролю в R, і я не зовсім впевнений, що робити з параметром k lag. Я використовував розширений тест Діккі Фуллера та тест Філіпса Перрона з пакету церій . Очевидно, що параметр за замовчуванням (для ) залежить лише від довжини серії. Якщо я вибираю …

15 r  time-series  trend 

Тож я склав схему повернення нафти ACF / PACF і очікував побачити позитивну автокореляцію, але, на мій подив, я отримав лише негативну значну автокореляцію. Як слід інтерпретувати вищевказаний графік? Вони, схоже, вказують на те, що спостерігається тенденція до збільшення віддачі нафти, коли вона знижувалася раніше, і навпаки, таким чином коливальна …

15 time-series 

Це взагалі може бути дивним питанням, але мені, як новачку до теми, цікаво, чому ми використовуємо регресію для зменшення часового ряду, якщо одне з припущень регресії - це дані, які мають ідентифікуватися, тоді як дані, щодо яких застосовується регресія, - це non iid?

14 regression  time-series  trend  iid 

У періодичній нейронній мережі, як правило, вперед розповсюджуються через кілька часових кроків, "розкручують" мережу, а потім поширюються назад по послідовності входів. Чому б ви не просто оновлювали ваги після кожного окремого кроку в послідовності? (еквівалент використання довжини усікання 1, тому немає чого розкручувати) Це повністю виключає проблему градієнта, що зникає, …

14 time-series  neural-networks  backpropagation  rnn 

Здається, не існує стандартного способу поводження з відсутніми даними в контексті експоненціального згладжування сімейства моделей. Зокрема, реалізація R, що називається ets в пакеті прогнозу, здається, просто займає найдовшу послідовність без пропущених даних, а книга "Прогнозування з експоненціальним згладжуванням" Hyndman et al. схоже, зовсім не говорить про відсутні дані. Я хотів …

14 time-series  forecasting  missing-data 

Я намагаюся вирішити цю проблему вже більше року без особливого прогресу. Це частина дослідницького проекту, який я роблю, але я проілюструю це прикладом історії, який я склав, тому що фактична область проблеми трохи заплутана (відстеження очей). Ви є літаком, який відстежує ворожий корабель, який подорожує океаном, тому ви зібрали ряд …

14 time-series  machine-learning  prediction 

У дослідженнях фінансової економетрії дуже часто досліджується взаємозв'язок між фінансовими часовими рядами, які набувають форми щоденних даних . Змінна часто робиться , наприклад, приймаючи різницю журналу; ln ( P t ) - ln ( P t - 1 ) .Я( 0 )Я(0)I(0)ln( Ст) - ln( Ст - 1)ln⁡(Пт)-ln⁡(Пт-1)\ln(P_t)-\ln(P_{t-1}) Однак щоденні …

14 time-series  econometrics  finance  macroeconomics  unevenly-spaced-time-series 

Нещодавно я шукав способи повторного втілення часових рядів у такий спосіб Приблизно зберігають автоматичну кореляцію довгих процесів пам'яті. Збережіть область спостережень (наприклад, повторно впорядкований часовий ряд цілих чисел - це ще й цілий ряд цілих чисел). Може впливати лише на деякі ваги, якщо потрібно. Я придумав таку схему перестановки для …

14 time-series  bootstrap  resampling  permutation-test 

Я хочу запустити бінарну логістичну регресію для моделювання наявності чи відсутності конфлікту (залежної змінної) з набору незалежних змінних протягом 10-річного періоду (1997-2006), причому кожен рік мав 107 спостережень. Мої незалежні: деградація земель (категорична для 2 видів деградації); приріст населення (0- ні; 1-так); тип існування (0 - тип один; 1 - …

14 regression  time-series  logistic  spatial  ecology 

Я намагаюся зрозуміти динамічний показник викривлення часу для порівняння між собою часових рядів. У мене є три набори даних тимчасових рядів: T1 <- structure(c(0.000213652387565, 0.000535045478866, 0, 0, 0.000219346347883, 0.000359669104424, 0.000269469145783, 0.00016051364366, 0.000181950509461, 0.000385579332948, 0.00078170803205, 0.000747244535774, 0, 0.000622858922454, 0.000689084895259, 0.000487983408564, 0.000224744353298, 0.000416449765747, 0.000308388157895, 0.000198906016907, 0.000179549331179, 9.06289650172e-05, 0.000253506844685, 0.000582896161212, 0.000386473429952, 0.000179839942451, 0, …

14 r  time-series  clustering 

У панельному аналізі даних я використовував багаторівневі моделі з випадковими / змішаними ефектами для вирішення питань автоматичної кореляції (тобто спостереження кластеруються в межах індивідів у часі) з іншими параметрами, що додаються для коригування для певного уточнення часу та шокових інтересів. . ARMA / ARIMA, здається, розроблені для вирішення подібних проблем. …

14 time-series  mixed-model  arima  multilevel-analysis 

Процедура вибору моделі Box-Jenkins в аналізі часових рядів починається з перегляду функцій автокореляції та часткової автокореляції серії. Ці графіки можуть запропонувати відповідні і у моделі ARMA . Процедура продовжується, вимагаючи від користувача застосувати критерії AIC / BIC для вибору найбільш парсимоніальної моделі серед тих, що виробляють модель із терміном помилки …

14 regression  time-series  arima  model-selection  box-jenkins