Als «arima» getaggte Fragen

Bezieht sich auf das AutoRegressive Integrated Moving Average-Modell, das in der Zeitreihenmodellierung sowohl zur Datenbeschreibung als auch zur Vorhersage verwendet wird. Dieses Modell verallgemeinert das ARMA-Modell, indem es einen Begriff für die Differenzierung einfügt, der nützlich ist, um Trends zu entfernen und einige Arten von Nichtstationarität zu behandeln.

2
ARIMA-Schätzung von Hand
Ich versuche zu verstehen, wie die Parameter in ARIMA-Modellierung / Box Jenkins (BJ) geschätzt werden. Leider beschreibt keines der Bücher, auf die ich gestoßen bin, das Schätzverfahren wie das Log-Likelihood-Schätzverfahren im Detail. Ich fand die Website / das Lehrmaterial sehr hilfreich. Es folgt die oben angegebene Gleichung aus der Quelle. …
1
Zeitreihenprognose mit täglichen Daten: ARIMA mit Regressor
Ich verwende eine tägliche Zeitreihe von Verkaufsdaten, die etwa 2 Jahre tägliche Datenpunkte enthält. Anhand einiger Online-Tutorials / Beispiele habe ich versucht, die Saisonalität in den Daten zu identifizieren. Es scheint eine wöchentliche, monatliche und wahrscheinlich jährliche Periodizität / Saisonalität zu geben. Beispielsweise gibt es Zahltage, insbesondere am ersten Zahltag …
5
Wie gehe ich mit mehreren Serien gleichzeitig um?
Ich habe einen Datensatz, der die Nachfrage nach mehreren Produkten (1200 Produkte) für 25 Perioden enthält, und ich muss die Nachfrage nach jedem Produkt für die nächste Periode vorhersagen. Zuerst wollte ich ARIMA verwenden und für jedes Produkt ein Modell trainieren, aber aufgrund der Anzahl der Produkte und der Optimierung …
2
In welcher Beziehung steht ARMA / ARIMA zur Modellierung gemischter Effekte?
Bei der Paneldatenanalyse habe ich mehrstufige Modelle mit zufälligen / gemischten Effekten verwendet, um mit Autokorrelationsproblemen umzugehen (dh Beobachtungen werden im Laufe der Zeit in Gruppen zusammengefasst), wobei andere Parameter hinzugefügt wurden, um bestimmte Zeitangaben und Schocks von Interesse zu berücksichtigen . ARMA / ARIMA scheint darauf ausgelegt zu sein, …
2
Auswahl der Box-Jenkins-Modelle
Das Box-Jenkins-Modellauswahlverfahren in der Zeitreihenanalyse beginnt mit der Betrachtung der Autokorrelations- und der partiellen Autokorrelationsfunktion der Reihe. Diese Diagramme können das geeignete und in einem ARMA -Modell vorschlagen . Das Verfahren wird fortgesetzt, indem der Benutzer aufgefordert wird, die AIC / BIC-Kriterien anzuwenden, um das sparsamste Modell unter denjenigen auszuwählen, …
1
Zeitreihenmodellierung von zirkulären Daten
Ich baue ARIMA-Modelle für einige Wind- / Wellendaten. Ich erstelle für jede Variable ein eigenes Modell. Zwei der Variablen, die ich modellieren muss, sind Wellen- und Windrichtung. Die Werte sind in Grad (0-360 °) angegeben. Ist es möglich, diese Art von Daten zu modellieren, bei denen das Werteintervall kreisförmig ist? …
2
ARIMA gegen ARMA auf der differenzierten Reihe
In R (2.15.2) habe ich einmal eine ARIMA (3,1,3) auf eine Zeitreihe und einmal eine ARMA (3,3) auf die einmal differenzierten Zeitreihen gepasst. Die angepassten Parameter unterscheiden sich, was ich der Anpassungsmethode in ARIMA zuschrieb. Auch das Anpassen einer ARIMA (3,0,3) an dieselben Daten wie ARMA (3,3) führt nicht zu …
13 r  time-series  arima  fitting  arma 
4
Was ist / sind die "mechanischen" Unterschiede zwischen multipler linearer Regression mit Verzögerungen und Zeitreihen?
Ich habe einen Abschluss in Wirtschaftswissenschaften und studiere derzeit einen Master in Datentechnik. Während ich die lineare Regression (LR) und dann die Zeitreihenanalyse (TS) studierte, kam mir eine Frage in den Sinn. Warum eine völlig neue Methode erstellen, dh Zeitreihen (ARIMA), anstatt mehrere lineare Regressionen zu verwenden und verzögerte Variablen …
3
Ensemble-Zeitreihenmodell
Ich muss die Vorhersage von Zeitreihen automatisieren und kenne die Merkmale dieser Reihen (Saisonalität, Trend, Rauschen usw.) nicht im Voraus. Mein Ziel ist es nicht, für jede Serie das bestmögliche Modell zu erhalten, sondern ziemlich schlechte Modelle zu vermeiden. Mit anderen Worten, jedes Mal kleine Fehler zu bekommen ist kein …
Durch die Nutzung unserer Website bestätigen Sie, dass Sie unsere Cookie-Richtlinie und Datenschutzrichtlinie gelesen und verstanden haben.
Licensed under cc by-sa 3.0 with attribution required.