Statistiken und Big Data forecasting

3

AIC versus Kreuzvalidierung in Zeitreihen: der kleine Musterfall

Ich interessiere mich für die Modellauswahl in einer Zeitreiheneinstellung. Nehmen wir der Vollständigkeit halber an, ich möchte ein ARMA-Modell aus einem Pool von ARMA-Modellen mit unterschiedlichen Verzögerungsreihenfolgen auswählen. Die ultimative Absicht ist die Vorhersage . Die Modellauswahl kann über erfolgen Kreuzvalidierung, Verwendung von Informationskriterien (AIC, BIC), unter anderem Methoden. Rob …

22 time-series forecasting cross-validation model-selection aic

1

Wie zerlege ich eine Zeitreihe mit mehreren saisonalen Komponenten?

Ich habe eine Zeitreihe, die doppelte saisonale Komponenten enthält, und ich möchte die Reihe in die folgenden Zeitreihenkomponenten aufteilen (Trend, saisonale Komponente 1, saisonale Komponente 2 und unregelmäßige Komponente). Soweit mir bekannt ist, erlaubt die STL-Prozedur zum Zerlegen einer Reihe in R nur eine saisonale Komponente, daher habe ich versucht, …

22 r time-series forecasting decomposition multiple-seasonalities

2

Interpretation des mittleren absoluten skalierten Fehlers (MASE)

Der mittlere absolute Skalierungsfehler (MASE) ist ein Maß für die von Koehler & Hyndman (2006) vorgeschlagene Prognosegenauigkeit . MASE=MAEMAEin−sample,naiveMASE=MAEMAEin−sample,naiveMASE=\frac{MAE}{MAE_{in-sample, \, naive}} wobei ist der mittlere absolute Fehler der tatsächlichen Vorhersage erzeugt; während M A E i n - s a m p l e ,MAEMAEMAE ist der mittlere absolute Fehler, …

22 time-series forecasting accuracy mase

1

Wie kann ich Werte aus neuen Eingaben eines linearen Modells in R vorhersagen?

Verschlossen . Diese Frage und ihre Antworten sind gesperrt, da die Frage nicht zum Thema gehört, aber von historischer Bedeutung ist. Derzeit werden keine neuen Antworten oder Interaktionen akzeptiert. Ich habe ein lineares Modell in R: erstellt mod = lm(train_y ~ train_x). Ich möchte ihm eine Liste von X übergeben …

21 r forecasting linear-model

6

Ist mein Wettermann korrekt?

Eine Frage, die mich einige Zeit beschäftigte und die ich nicht beantworten kann: Jeden Tag gibt mein Wettermann eine prozentuale Regenwahrscheinlichkeit an (nehmen wir an, dass diese auf 9000 Stellen berechnet ist und er nie eine Zahl wiederholt hat). An jedem folgenden Tag regnet es oder es regnet nicht. Ich …

20 hypothesis-testing forecasting

3

Wie kann man feststellen, ob eine Freundin die Zukunft erkennen kann (dh Aktien vorhersagen kann)?

Meine Freundin hat kürzlich einen Job als Verkäuferin und Händlerin bei einer großen Bank bekommen. Beflügelt von ihrem neuen Job glaubt sie, vorhersagen zu können, ob die Aktien am Monatsende höher oder niedriger sein werden als die Chance (sie glaubt, dass sie dies sogar mit einer Genauigkeit von 80% tun …

19 probability forecasting finance

2

Warum führt die Minimierung der MAE zur Vorhersage des Medians und nicht des Mittelwerts?

Aus dem Lehrbuch „ Forecasting: Principles and Practice“ von Rob J. Hyndman und George Athanasopoulos , insbesondere der Abschnitt zur Genauigkeitsmessung : Eine Prognosemethode, die den MAE minimiert, führt zu Prognosen des Medians, während die Minimierung des RMSE zu Prognosen des Mittelwerts führt Kann jemand intuitiv erklären, warum die Minimierung …

19 forecasting mean median rms mae

3

Wie können wir die Genauigkeit der Vorhersagen von Nate Silver beurteilen?

Erstens gibt er Wahrscheinlichkeit von Ergebnissen. So liegen seine Vorhersagen für die US-Wahlen derzeit bei 82% Clinton gegenüber 18% Trump. Nun, auch wenn Trump gewinnt, woher weiß ich, dass er nicht nur 18% der Zeit hätte gewinnen sollen? Das andere Problem ist, dass sich seine Wahrscheinlichkeiten mit der Zeit ändern. …

19 forecasting prediction validation accuracy scoring-rules

3

Verwendung von DLM mit Kalman-Filter für Prognosen

Diese Frage wurde von Stack Overflow migriert, da sie bei Cross Validated beantwortet werden kann. Vor 8 Jahren migriert . Könnte mir jemand ein Beispiel zur Verwendung der DLM-Kalman-Filterung in R für eine Zeitreihe zeigen? Angenommen, ich habe diese Werte (vierteljährliche Werte mit jährlicher Saisonabhängigkeit). Wie würden Sie DLM verwenden, …

19 r time-series forecasting

2

VAR-Prognosemethode

Ich erstelle ein VAR-Modell, um den Preis eines Vermögenswerts zu prognostizieren, und möchte wissen, ob meine Methode statistisch fundiert ist, ob die von mir eingeschlossenen Tests relevant sind und ob weitere erforderlich sind, um eine zuverlässige Prognose auf Grundlage meiner Eingabevariablen zu gewährleisten. Nachstehend ist mein aktueller Prozess zur Überprüfung …

19 r forecasting modeling var

1

Paradox bei der Modellauswahl (AIC, BIC, zu erklären oder vorherzusagen?)

Nachdem ich Galit Shmuelis "To Explain or to Predict" (2010) gelesen habe, wundere ich mich über einen offensichtlichen Widerspruch. Es gibt drei Räumlichkeiten, AIC versus BIC-basierte Modellauswahl (Ende S. 300 - Beginn S. 301): Einfach ausgedrückt, AIC sollte zur Auswahl eines Modells verwendet werden, das zur Vorhersage vorgesehen ist , …

18 forecasting model-selection feature-selection aic bic

1

, Simulation über Prognosezeitraum

Ich habe Zeitreihendaten und ich habe ein als Modell verwendet, um die Daten . Das ist eine Indikator-Zufallsvariable, die entweder 0 (wenn ich kein seltenes Ereignis sehe) oder 1 (wenn ich das seltene Ereignis sehe) ist. Basierend auf früheren Beobachtungen, die ich für , kann ich ein Modell für Verwendung …

18 time-series forecasting simulation

2

Ist es möglich, die Vorhersage von Zeitreihen zu automatisieren?

Ich möchte einen Algorithmus entwickeln, der in der Lage ist, beliebige Zeitreihen zu analysieren und "automatisch" die beste traditionelle / statistische Prognosemethode (und ihre Parameter) für die analysierten Zeitreihendaten auszuwählen. Wäre es möglich so etwas zu machen? Wenn ja, können Sie mir einige Tipps geben, wie dies angegangen werden kann?

18 time-series forecasting python

1

Stepwise AIC - Gibt es Kontroversen zu diesem Thema?

Ich habe unzählige Beiträge auf dieser Site gelesen, die unglaublich gegen die schrittweise Auswahl von Variablen mit beliebigen Kriterien wie p-Werten, AIC, BIC usw. sind. Ich verstehe, warum diese Verfahren im Allgemeinen ziemlich schlecht für die Auswahl von Variablen sind. Gungs wahrscheinlich berühmter Post hier zeigt deutlich, warum; Letztendlich überprüfen …

17 forecasting predictive-models arima aic stepwise-regression

5

Kann die Datenbereinigung die Ergebnisse statistischer Analysen verschlechtern?

Bei Epidemien (plötzlicher Anstieg der Zahl) kommt es zu einer Zunahme der Fälle und Todesfälle aufgrund einer Viruszirkulation (wie das West - Nil - Virus in den USA im Jahr 2002) oder einer Abnahme der Resistenz von Menschen oder einer Kontamination von Nahrungsmitteln oder Wasser oder einer Zunahme der Zahl …

17 time-series forecasting epidemiology outliers

Als «forecasting» getaggte Fragen