Als «var» getaggte Fragen

Vector Auto-Regression, ein Modell / eine Methode mit mehreren Zeitreihen. VAR ist in der Ökonometrie üblich und ermöglicht die gleichzeitige Modellierung jeder Zeitreihe auf der Grundlage ihrer eigenen vorherigen Werte sowie der vorherigen Werte der anderen Serien. Somit erhalten die Serien den gleichen Status.

5
Was sind die Nachteile von Zustandsraummodellen und Kalman-Filtern für die Zeitreihenmodellierung?
Angesichts aller guten Eigenschaften von Zustandsraummodellen und KF frage ich mich: Was sind die Nachteile der Zustandsraummodellierung und der Verwendung von Kalman-Filtern (oder EKF-, UKF- oder Partikelfiltern) zur Abschätzung? Sagen wir mal konventionelle Methoden wie ARIMA, VAR oder Ad-hoc / heuristische Methoden. Sind sie schwer zu kalibrieren? Sind sie kompliziert …

9
Warum ein Vektorfehlerkorrekturmodell verwenden?
Ich bin verwirrt über das Vector Error Correction Model ( VECM ). Technischer Hintergrund: VECM bietet die Möglichkeit, das Vector Autoregressive Model ( VAR ) auf integrierte multivariate Zeitreihen anzuwenden . In den Lehrbüchern nennen sie einige Probleme bei der Anwendung einer VAR auf integrierte Zeitreihen, von denen die wichtigste …

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
Multivariate biologische Zeitreihen: VAR und Saisonalität
Ich habe einen multivariaten Zeitreihendatensatz, der interagierende biologische Variablen und Umgebungsvariablen (plus möglicherweise einige exogene Variablen) enthält. Neben der Saisonalität gibt es in den Daten keinen eindeutigen langfristigen Trend. Mein Ziel ist es zu sehen, welche Variablen miteinander in Beziehung stehen. Prognosen werden nicht wirklich gesucht. Als Neuling in der …

1
GBM-Paket vs. Caret mit GBM
Ich habe das Modell mit optimiert caret, aber dann das Modell mit dem gbmPaket erneut ausgeführt. Nach meinem Verständnis sollten das verwendete caretPaket gbmund die Ausgabe identisch sein. Nur ein kurzer Testlauf mit data(iris)zeigt jedoch eine Diskrepanz im Modell von etwa 5% unter Verwendung von RMSE und R ^ 2 …

2
Wie modelliere ich monatliche Effekte in täglichen Zeitreihendaten?
Ich habe zwei Zeitreihen von täglichen Daten. Eines ist sign-upsund das andere terminationsvon Abonnements. Letzteres möchte ich anhand der in beiden Variablen enthaltenen Informationen vorhersagen. Wenn man sich die Grafik dieser Serien ansieht, ist es offensichtlich, dass die Kündigungen mit einem Vielfachen der Anmeldungen in den Monaten zuvor korrelieren. Das …

4
Zeitdiskretes Ereignisverlaufsmodell (Überlebensmodell) in R.
Ich versuche, ein zeitdiskretes Modell in R einzubauen, bin mir aber nicht sicher, wie ich das machen soll. Ich habe gelesen, dass Sie die abhängige Variable in verschiedenen Zeilen organisieren können, eine für jede glmZeitbeobachtung , und die Funktion mit einem Logit- oder Cloglog-Link verwenden können. In diesem Sinne, ich …
10 r  survival  pca  sas  matlab  neural-networks  r  logistic  spatial  spatial-interaction-model  r  time-series  econometrics  var  statistical-significance  t-test  cross-validation  sample-size  r  regression  optimization  least-squares  constrained-regression  nonparametric  ordinal-data  wilcoxon-signed-rank  references  neural-networks  jags  bugs  hierarchical-bayesian  gaussian-mixture  r  regression  svm  predictive-models  libsvm  scikit-learn  probability  self-study  stata  sample-size  spss  wilcoxon-mann-whitney  survey  ordinal-data  likert  group-differences  r  regression  anova  mathematical-statistics  normal-distribution  random-generation  truncation  repeated-measures  variance  variability  distributions  random-generation  uniform  regression  r  generalized-linear-model  goodness-of-fit  data-visualization  r  time-series  arima  autoregressive  confidence-interval  r  time-series  arima  autocorrelation  seasonality  hypothesis-testing  bayesian  frequentist  uninformative-prior  correlation  matlab  cross-correlation 

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 …

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 …


2
VAR in Ebenen für kointegrierte Daten
Ich habe ein Papier gelesen, das ausdrückt, dass "aktuelle Arbeiten" zeigen, dass wir ein VAR-Modell mit Rohdaten I (1) verwenden können, aber es muss eine Kointegration geben. Dies bedeutet, dass es keinen Grund gibt, die Daten für die VAR-Modellierung zu unterscheiden. Irgendeine Papierreferenz dazu?

1
Passen Sie ein VAR-Modell mit R [geschlossen] an.
Geschlossen. Diese Frage ist nicht zum Thema . Derzeit werden keine Antworten akzeptiert. Möchten Sie diese Frage verbessern? Aktualisieren Sie die Frage so dass es beim Thema für Kreuz Validated. Geschlossen vor 2 Jahren . Ich habe eine bivariate Zeitreihe, z_tin der z_1tdie Veränderung der monatlichen US-Schatzwechsel (Laufzeit 3 ​​Monate) …
8 r  time-series  var 

1
Vorhersage stark korrelierter Zeitreihen
Bei der Vorhersage von Zeitreihen mit verschiedenen Modellen wie AR, MA, ARMA usw. konzentrieren wir uns normalerweise auf die Modellierung der Daten im Zeitwechsel. Wenn wir jedoch zwei Zeitreihen haben, bei denen der Pearson-Korrelationskoeffizient zeigt, dass sie stark korreliert sind, ist es dann möglich, ihre Abhängigkeits- und Prognosewerte voneinander zu …

2
Was ist ein autoregressives Vektormodell?
Ich möchte dies aus Managementsicht verstehen. Wenn ich zum Beispiel die lineare Regression erklären würde, würde ich sagen, dass sie eine Linie ist, die am besten durch einige Datenpunkte passt, und sie kann verwendet werden, um einen "y" -Wert für einen bestimmten Wert von "x" vorherzusagen. Gibt es eine analoge …
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.