Statistiken und Big Data arima

3

Übertragungsfunktion in Prognosemodellen - Interpretation

Ich beschäftige mich mit ARIMA-Modellierung, die mit exogenen Variablen für Werbemodellierungszwecke erweitert wurde, und es fällt mir schwer, sie Geschäftsbenutzern zu erklären. In einigen Fällen erhalten Softwarepakete eine einfache Übertragungsfunktion, dh den Parameter * Exogene Variable. In diesem Fall ist die Interpretation einfach, dh die Werbeaktivität X (dargestellt durch die …

9 time-series data-visualization forecasting arima causality

2

ARIMA-Prognose mit Saisonalität und Trend, seltsames Ergebnis

Während ich mit ARIMA-Modellen in die Prognose einsteige, versuche ich zu verstehen, wie ich eine auf ARIMA basierende Prognose verbessern kann, die mit Saisonalität und Drift übereinstimmt. Meine Daten sind die folgenden Zeitreihen (über 3 Jahre, mit klarem Aufwärtstrend und sichtbarer Saisonalität, die durch die Autokorrelation bei den Verzögerungen 12, …

9 r time-series forecasting arima seasonality

3

Welches Modell kann verwendet werden, wenn die Annahme einer konstanten Varianz verletzt wird?

Welches Modell kann zur Anpassung univariater Zeitreihen verwendet werden, da das ARIMA-Modell nicht angepasst werden kann, wenn die Annahme einer konstanten Varianz verletzt wird?

9 time-series modeling forecasting arima

4

So passen Sie ein Modell für eine Zeitreihe an, die Ausreißer enthält

Ich habe das ARIMA (5,1,2) -Modell mit der auto.arima()Funktion in R angepasst und anhand der Reihenfolge können wir sagen, dass dies kein bestes Modell für die Prognose ist. Wenn in der Datenreihe Ausreißer vorhanden sind, wie kann ein Modell an solche Daten angepasst werden?

9 r time-series forecasting outliers arima

2

Was ist ein Zeitreihenmodell für die Vorhersage eines durch (0,1) gebundenen Prozentsatzes?

Dies muss geschehen - die Vorhersage von Dingen, die zwischen 0 und 1 stecken. In meiner Serie vermute ich eine Komponente der automatischen Regression und auch eine Komponente, die den Mittelwert zurücksetzt. Daher möchte ich etwas, das ich wie eine ARIMA interpretieren kann - aber ich möchte nicht, dass es …

9 time-series forecasting logistic arima beta-regression

2

Parametrisches, semiparametrisches und nichtparametrisches Bootstrapping für gemischte Modelle

Die folgenden Transplantate stammen aus diesem Artikel . Ich bin ein Neuling im Bootstrap und versuche, das parametrische, semiparametrische und nichtparametrische Bootstrapping-Bootstrapping für ein lineares gemischtes Modell mit R bootPaket zu implementieren. R-Code Hier ist mein RCode: library(SASmixed) library(lme4) library(boot) fm1Cult <- lmer(drywt ~ Inoc + Cult + (1|Block) + …

9 r mixed-model bootstrap central-limit-theorem stable-distribution time-series hypothesis-testing markov-process r correlation categorical-data association-measure meta-analysis r anova confidence-interval lm r bayesian multilevel-analysis logit regression logistic least-squares eda regression notation distributions random-variable expected-value distributions markov-process hidden-markov-model r variance group-differences microarray r descriptive-statistics machine-learning references r regression r categorical-data random-forest data-transformation data-visualization interactive-visualization binomial beta-distribution time-series forecasting logistic arima beta-regression r time-series seasonality large-data unevenly-spaced-time-series correlation statistical-significance normalization population group-differences demography

3

auto.arima warnt NaNs, die bei einem Standardfehler erzeugt wurden

Meine Daten sind eine Zeitreihe der Erwerbsbevölkerung L und der Zeitspanne Jahr. n.auto=auto.arima(log(L),xreg=year) summary(n.auto) Series: log(L) ARIMA(2,0,2) with non-zero mean Coefficients: ar1 ar2 ma1 ma2 intercept year 1.9122 -0.9567 -0.3082 0.0254 -3.5904 0.0074 s.e. NaN NaN NaN NaN 1.6058 0.0008 sigma^2 estimated as 1.503e-06: log likelihood=107.55 AIC=-201.1 AICc=-192.49 BIC=-193.79 In-sample …

9 r regression arima

1

Auswahl des Zeitreihenmodells: AIC vs. SSE außerhalb der Stichprobe und ihre Äquivalenz

AIC wird häufig als Kriterium für den Vergleich von Modellen für die Vorhersage von Zeitreihen empfohlen. Sehen Sie dies zum Beispiel im Kontext dynamischer Regressionsmodelle : Der AIC kann für das endgültige Modell berechnet werden, und dieser Wert kann verwendet werden, um die besten Prädiktoren zu bestimmen. Das heißt, das …

9 time-series cross-validation model-selection arima aic

3

Stichprobeneffekte auf Zeitreihenmodelle

Ich arbeite intensiv mit finanziellen Zeitreihenmodellen, hauptsächlich AR (I) MA und Kalman. Ein Problem, mit dem ich immer wieder konfrontiert bin, ist die Abtastfrequenz. Anfangs dachte ich, wenn ich die Möglichkeit hätte, häufiger von einem zugrunde liegenden Prozess abzutasten, sollte ich so häufig wie möglich abtasten, damit ich eine viel …

9 time-series sampling arima

1

Mehrere Fragen zu statistischen Finanzzeitreihenmodellen von „maschinell lernenden Personen“

Um zu erklären, warum ich diese dummen Fragen habe, muss ich sagen, dass ich eher eine Person bin, die maschinell lernt. Während ich an Problemen in der Bioinformatik arbeitete, war alles in Ordnung. Als ich Wörter wie "Regression" oder "Kurtosis und Schiefe" hörte, lächelte ich im ersten Fall nur, im …

9 machine-learning arima finance

1

Arimax-Vorhersage: Verwenden des Prognosepakets

Die arimaxFunktion im TSAPaket ist meines Wissens das einzige RPaket, das für eine Übertragungsfunktion für Interventionsmodelle geeignet ist. Es fehlt jedoch eine Vorhersagefunktion, die manchmal benötigt wird. Ist das Folgende eine Problemumgehung für dieses Problem, bei der das hervorragende forecastPaket genutzt wird? Werden die Vorhersageintervalle korrekt sein? In meinem Beispiel …

8 r time-series forecasting arima intervention-analysis

1

Mehrere ARIMA-Modelle passen gut zu Daten. Wie bestimme ich die Reihenfolge? Richtiger Ansatz?

Ich habe zwei Zeitreihen (Parameter eines Modells für Männer und Frauen) und möchte ein geeignetes ARIMA-Modell identifizieren, um Prognosen zu erstellen. Meine Zeitreihe sieht aus wie: Die Darstellung und der ACF sind instationär (die Spitzen des ACF schneiden sehr langsam ab). Daher verwende ich Differenzierung und erhalte: Dieses Diagramm zeigt, …

8 r time-series modeling arima autocorrelation

2

Welche ökonometrischen Modelle können verwendet werden, um Sicherheitsrenditen + ARIMA / GARCH-Fragen vorherzusagen?

Ich versuche, eine Diplomarbeit zu schreiben, in der ich die Vorhersagekraft eines bestimmten ökonometrischen Modells für eine bestimmte finanzielle Zeitreihe teste. Ich brauche einen Rat, wie ich das machen soll. Um die Dinge in einen Zusammenhang zu bringen, habe ich mich größtenteils mit Ökonometrie befasst. Der einzige Kurs, den ich …

8 time-series forecasting econometrics arima garch

4

Gibt es eine Möglichkeit, Saisonalität bei Regressionskoeffizienten zuzulassen?

Angenommen, ich habe eine Zeitreihe, G t , und eine Kovariate B t . Ich möchte die Beziehung zwischen ihnen durch das ARMA-Modell finden: G t = Z t + β 0 + β 1 B t wobei der Rest Z t einem ARMA-Prozess folgt. Das Problem ist: Ich weiß …

8 time-series correlation econometrics arima time-varying-covariate

1

Sollte auto.arima in R jemals ein Modell mit höherem AIC, AICC und BIC melden als andere berücksichtigte Modelle?

Ich habe auto.arima verwendet, um ein Zeitreihenmodell anzupassen (eine lineare Regression mit ARIMA-Fehlern, wie auf Rob Hyndmans Website beschrieben). und meldet Werte von Informationskriterien als zurück AIC: 2989,2 AICC: 2989,3 BIC: 3261,2 Wenn ich Arima verwende, um ein Modell mit einem (1,1,1) mit Driftstruktur anzupassen, meldet die Ausgabe deutlich niedrigere …

8 r arima aic

Als «arima» getaggte Fragen