Statistiken und Big Data stationarity

1

Wenn

Ich bin auf einen Beweis für eine der Eigenschaften des ARCH-Modells gestoßen, der besagt, dass, wenn , { X t } stationär ist, wenn ∑ p i = 1 b i < 1 ist, wobei das ARCH-Modell:E ( X2t) < ∞E(Xt2)<∞\mathbb{E}(X_t^2) < \infty{ Xt}{Xt}\{X_t\}∑pi=1bi<1∑ich=1pbich<1\sum_{i=1}^pb_i < 1 Xt=σtϵtXt=σtϵtX_t = \sigma_t\epsilon_t σ2t=b0+b1X2t−1+...bpX2t−pσt2=b0+b1Xt−12+...bpXt−p2\sigma_t^2 …

13 mathematical-statistics stationarity garch

5

Wie kann ich Zeitreihen auswerten?

Wie kann ich Zeitreihen auswerten? Ist es in Ordnung, nur den ersten Unterschied zu machen und einen Dickey-Fuller-Test durchzuführen, und wenn er stationär ist, sind wir gut? Ich habe auch online festgestellt, dass ich die Zeitreihen in Stata nachverfolgen kann: reg lncredit time predict u_lncredit, residuals twoway line u_lncredit time …

13 regression time-series stata stationarity

3

Wird die Stationarität unter einer linearen Kombination bewahrt?

Stellen Sie sich vor, wir haben zwei Zeitreihenprozesse, die stationär sind und erzeugen: xt,ytxt,ytx_t,y_t . Ist zt=αxt+βytzt=αxt+βytz_t=\alpha x_t +\beta y_t , ∀α,β∈R∀α,β∈R\forall \alpha, \beta \in \mathbb{R} auch stationär? Jede Hilfe wäre dankbar. Ich würde ja sagen, da es eine MA-Vertretung hat.

12 time-series stochastic-processes stationarity

2

Ist jede nichtstationäre Serie durch Differenzierung auf eine stationäre Serie umrüstbar?

Kann jede nicht stationäre Zeitreihe durch Differenzierung in eine stationäre Zeitreihe umgewandelt werden? Wie bestimmen Sie außerdem die Reihenfolge der anzuwendenden Differenzierung? Unterscheiden Sie sich nur mit den Intervallen 1,2 ... n und führen Sie jedes Mal einen Einheitswurzeltest für stationär durch, um festzustellen, ob die resultierende Reihe stationär ist?

12 time-series stationarity

2

Kann ich einen Unterschied machen, um eine Serie stationär zu machen?

Ich habe einen Datensatz, der mit der Zeit deutlich zunimmt (Wechselkurs einer Währung, monatliche Daten über 20 Jahre), meine Frage ist: Kann ich die Daten abschätzen und dann auch differenzieren, um sie stationär zu machen, wenn sich die Tendenz abschwächt erreicht das nicht? Und wenn ja, würde dies als zweimal …

12 time-series stationarity

1

Unterschied zwischen Serien mit Drift und Serien mit Trend

Eine Reihe mit Drift kann modelliert werden als yt= c + ϕ yt - 1+ εtyt=c+ϕyt- -1+εty_t = c + \phi y_{t-1} + \varepsilon_t wobei ccc die Drift (Konstante) ist und ϕ = 1ϕ=1\phi=1 . Eine Reihe mit Trend kann modelliert werden als yt= c + δt + ϕ yt …

11 time-series hypothesis-testing stationarity trend unit-root

2

Wenn eine Zeitreihe stationär zweiter Ordnung ist, bedeutet dies, dass sie streng stationär ist?

Ein Prozess ist streng stationär, wenn die gemeinsame Verteilung von der gemeinsamen Verteilung von X_ {t_1 + k}, X_ {t_2 + k} entspricht , ..., X_ {t_m + k} für alle m , für alle k und für alle t_1, t_2, ..., t_m .X t 1 , X t 2 …

11 time-series autocorrelation stochastic-processes stationarity

2

Kann die Hauptkomponentenanalyse für Aktienkurse / instationäre Daten verwendet werden?

Ich lese ein Beispiel aus dem Buch Maschinelles Lernen für Hacker . Ich werde zuerst auf das Beispiel eingehen und dann über meine Frage sprechen. Beispiel : Nimmt einen Datensatz für 10 Jahre mit 25 Aktienkursen. Läuft PCA auf den 25 Aktienkursen. Vergleicht die Hauptkomponente mit dem Dow Jones Index. …

10 time-series pca references covariance stationarity

3

Bedeutet eine saisonale Zeitreihe eine stationäre oder eine nicht stationäre Zeitreihe?

Wenn ich eine Zeitreihe mit Saisonalität habe, macht das die Serie dann automatisch nicht stationär? Meine Intuition (wahrscheinlich aus) ist, dass dies nicht der Fall ist. Saisonalität bedeutet, dass die Serie um einen konstanten Wert herum auf und ab geht ... so etwas wie eine Sinuswelle. Nach dieser Logik ist …

10 time-series stationarity seasonality

1

Beispiel eines Prozesses, der stationär 2. Ordnung, aber nicht streng stationär ist

Hat jemand ein schönes Beispiel für einen stochastischen Prozess, der stationär 2. Ordnung ist, aber nicht streng stationär?

10 time-series stochastic-processes stationarity

2

Was ist die Intuition hinter der Differenzierung zweiter Ordnung?

Manchmal muss eine Zeitserie differenziert werden, um stationär zu sein. Ich verstehe jedoch nicht, wie eine Differenzierung zweiter Ordnung dazu beitragen kann, sie stationär zu machen, wenn eine Differenzierung erster Ordnung nicht ausreicht. Können Sie eine intuitive Erklärung für die Differenzierung zweiter Ordnung und die Fälle geben, in denen dies …

10 time-series stationarity

3

Stationarität in multivariaten Zeitreihen

Ich arbeite mit einer multivariaten Zeitreihe und verwende das VAR-Modell (Vector Autoregression) für die Vorhersage. Meine Frage ist, was Stationarität in einem multivariaten Rahmen eigentlich bedeutet. 1) Ich weiß, dass, wenn im VAR-Setup die Determinante der Inversen der | IA | -Matrix Eigenwerte im Modul kleiner als 1 hat, das …

10 time-series var stationarity

1

Wenn das Quadrat einer Zeitreihe stationär ist, ist die ursprüngliche Zeitreihe stationär?

Ich habe eine Lösung gefunden, die besagt, dass wenn das Quadrat einer Zeitreihe stationär ist, auch die ursprüngliche Zeitreihe und umgekehrt. Wie auch immer ich es nicht beweisen kann, hat jemand eine Idee, ob dies wahr ist und wie es abgeleitet werden kann?

9 time-series self-study data-transformation stationarity

2

Verstärkungslernen in instationärer Umgebung

Frage 1: Gibt es gemeinsame oder akzeptierte Methoden für den Umgang mit instationären Umgebungen beim Reinforcement-Lernen im Allgemeinen? F2: In meiner Gridworld ändert sich die Belohnungsfunktion, wenn ein Staat besucht wird. In jeder Episode werden die Belohnungen auf den Ausgangszustand zurückgesetzt. Ich möchte nur, dass mein Agent lernt: "Gehen Sie …

9 markov-process reinforcement-learning stationarity q-learning

1

Warum arbeiten meine VAR-Modelle besser mit nichtstationären Daten als mit stationären Daten?

Ich verwende die VAR-Bibliothek für Python-Statistikmodelle, um finanzielle Zeitreihendaten zu modellieren, und einige Ergebnisse haben mich verwirrt. Ich weiß, dass VAR-Modelle davon ausgehen, dass die Zeitreihendaten stationär sind. Ich habe versehentlich eine instationäre Reihe von Log-Preisen für zwei verschiedene Wertpapiere angepasst, und überraschenderweise waren die angepassten Werte und Prognosen in …

9 time-series forecasting r-squared var stationarity

Als «stationarity» getaggte Fragen