Statistiken und Big Data time-series

2

Betrachten Sie das folgende Diagramm: Die rote Linie (linke Achse) beschreibt das Handelsvolumen einer bestimmten Aktie. Die blaue Linie (rechte Achse) beschreibt das Twitter-Nachrichtenvolumen für diese Aktie. Zum Beispiel wurden am 9. Mai (05-09) ungefähr 1.100 Millionen Trades und 4.000 Tweets getätigt. Ich möchte berechnen, ob es eine Korrelation zwischen …

12 time-series correlation lags

4

Prognose von binären Zeitreihen

Ich habe eine binäre Zeitreihe mit 1, wenn sich das Auto nicht bewegt, und 0, wenn sich das Auto bewegt. Ich möchte eine Prognose für einen Zeithorizont von bis zu 36 Stunden im Voraus und für jede Stunde erstellen. Mein erster Ansatz war die Verwendung eines Naive Bayes mit den …

12 r time-series forecasting binary-data

5

Analyse des Trends in nichtperiodischen Zeitreihen

Angenommen, ich habe folgende nicht periodische Zeitreihen. Offensichtlich nimmt der Trend ab und ich möchte ihn durch einen Test (mit p-Wert ) beweisen . Ich kann die klassische lineare Regression aufgrund der starken zeitlichen (seriellen) Autokorrelation zwischen Werten nicht verwenden. library(forecast) my.ts <- ts(c(10,11,11.5,10,10.1,9,11,10,8,9,9, 6,5,5,4,3,3,2,1,2,4,4,2,1,1,0.5,1), start = 1, end = …

12 r time-series

1

Warum die Zeitreihenanalyse nicht als Algorithmus für maschinelles Lernen betrachtet wird

Warum wird die Zeitreihenanalyse nicht als Algorithmus für maschinelles Lernen angesehen (im Gegensatz zur linearen Regression)? Sowohl die Regressions- als auch die Zeitreihenanalyse sind Prognosemethoden. Warum wird einer von ihnen als Lernalgorithmus angesehen, der andere jedoch nicht?

12 regression machine-learning time-series terminology

3

Entwicklung eines geeigneten Zeitreihenmodells zur Vorhersage des Umsatzes basierend auf dem Rekord des letzten Monats

Ich betreibe jetzt seit zwei Jahren in Folge ein Online-Geschäft, daher habe ich meine monatlichen Verkaufsdaten seit ungefähr zwei Jahren. Mein Geschäft für jeden Monat wird sicherlich von saisonalen Schwankungen (bessere Ergebnisse zu Weihnachten usw.) und wahrscheinlich einigen anderen Faktoren beeinflusst, die mir nicht bekannt sind. Um zukünftige Verkäufe besser …

12 time-series forecasting

3

Was ist ein stationärer Prozess zweiter Ordnung?

Ich habe mich gefragt, wie sein "stationärer Prozess zweiter Ordnung" in Brockwell und Davis ' Einführung in Zeitreihen und Prognosen definiert ist : Die Klasse der linearen Zeitreihenmodelle, zu der auch die Klasse der autoregressiven Modelle mit gleitendem Durchschnitt (ARMA) gehört, bietet einen allgemeinen Rahmen für die Untersuchung stationärer Prozesse. …

12 time-series

1

Dynamische Faktoranalyse gegen Zustandsraummodell

Das MARSS-Paket in R bietet Funktionen für die dynamische Faktoranalyse. In diesem Paket wird das dynamische Faktormodell als spezielle Form des Zustandsraummodells geschrieben und es wird davon ausgegangen, dass die allgemeinen Trends dem AR (1) -Prozess folgen. Da ich mit diesen beiden Methoden nicht sehr vertraut bin, stelle ich zwei …

12 r time-series forecasting factor-analysis state-space-models

3

Beziehung zwischen zwei Zeitreihen: ARIMA

Was ist angesichts der folgenden zwei Zeitreihen ( x , y ; siehe unten) die beste Methode, um die Beziehung zwischen den langfristigen Trends in diesen Daten zu modellieren? Beide Zeitreihen haben signifikante Durbin-Watson-Tests, wenn sie als Funktion der Zeit modelliert werden, und beide sind nicht stationär (wie ich den …

12 regression time-series arima

3

Wie identifiziert ACF & PACF die Reihenfolge der MA- und AR-Begriffe?

Es ist mehr als 2 Jahre her, dass ich an verschiedenen Zeitreihen arbeite. Ich habe in vielen Artikeln gelesen, dass ACF verwendet wird, um die Reihenfolge der MA-Begriffe und PACF für AR zu identifizieren. Es gibt eine Faustregel, dass für MA die Verzögerung, bei der ACF plötzlich abschaltet, in der …

12 time-series arima autoregressive moving-average

3

Ressourcen für die Analyse unterbrochener Zeitreihen in R.

Ich bin ziemlich neu in R. Ich habe versucht, mich über Zeitreihenanalysen zu informieren und bin bereits fertig Shumway und Stoffers Zeitreihenanalyse und ihre Anwendungen 3. Auflage , Hyndmans exzellente Prognose: Prinzipien und Praxis Avril Coghlan verwendet R für die Zeitreihenanalyse A. Ian McLeod et al. Zeitreihenanalyse mit R. Angewandte …

12 r time-series

3

Wie gehe ich mit nicht vorhandenen oder fehlenden Daten um?

Ich habe eine Prognosemethode ausprobiert und möchte überprüfen, ob meine Methode korrekt ist oder nicht. Meine Studie vergleicht verschiedene Arten von Investmentfonds. Ich möchte den GCC-Index als Benchmark für einen von ihnen verwenden, aber das Problem ist, dass der GCC-Index im September 2011 gestoppt wurde und meine Studie von Januar …

12 time-series forecasting missing-data

3

Unterschied zwischen dem Simultangleichungsmodell und dem Strukturgleichungsmodell

Kann mir bitte jemand helfen, die Unterschiede zwischen dem Simultangleichungsmodell und dem Strukturgleichungsmodell (SEM) zu verstehen? Es wird großartig sein, wenn mir jemand Literatur dazu zur Verfügung stellen kann. Gibt es auch Literatur, in der SEM im Kontext von Zeitreihen verwendet wurde? Die Literaturen, die ich bekomme, werden meistens im …

12 time-series references sem

4

Laut Statsmodels ist ARIMA nicht geeignet, da Serien nicht stationär sind. Wie wird das getestet?

Ich habe eine Zeitreihe, die ich mit Pythons Statistikmodellen ARIMA api modellieren möchte. Wenn ich Folgendes bewerbe: from statsmodels.tsa.arima_model import ARIMA model = ARIMA(data['Sales difference'].dropna(), order=(2, 1, 2)) results_AR = model.fit(disp=-1) Ich erhalte folgende Fehlermeldung: ValueError: The computed initial AR coefficients are not stationary You should induce stationarity, choose a …

12 time-series forecasting arima statsmodels

2

Anpassung der multiplen linearen Regression in R: autokorrelierte Residuen

Ich versuche, eine multiple lineare Regression in R mit einer Gleichung wie der folgenden zu schätzen: regr <- lm(rate ~ constant + askings + questions + 0) Fragen und Antworten sind vierteljährliche Datenzeitreihen, die mit erstellt wurden askings <- ts(...). Das Problem ist jetzt, dass ich autokorrelierte Residuen habe. Ich …

11 r time-series multiple-regression autocorrelation residuals

2

Zustandsraumdarstellung von ARMA (p, q) aus Hamilton

r=max(p,q+1)r=max(p,q+1)r = \max(p,q+1)yt- μ= ϕ1( yt - 1- μ ) + ϕ2( yt - 2- μ ) + . . . +ϕ3( yt - 3- μ )+ϵt+θ1ϵt−1+...+θr−1ϵt−r+1.yt−μ=ϕ1(yt−1−μ)+ϕ2(yt−2−μ)+...+ϕ3(yt−3−μ)+ϵt+θ1ϵt−1+...+θr−1ϵt−r+1. \begin{aligned} y_t -\mu &= \phi_1(y_{t-1} -\mu) + \phi_2(y_{t-2} -\mu) + ... + \phi_3(y_{t-3} -\mu) \\ &+ \epsilon_t + \theta_1\epsilon_{t-1} + ... + \theta_{r-1}\epsilon_{t-r+1}. …

11 time-series arima kalman-filter state-space-models

Als «time-series» getaggte Fragen