Вопросы с тегом «time-series»

Скажем, у меня есть ряд временных рядов, например, ряд записей температуры с разных станций в регионе. Я хочу получить единый температурный рекорд для всего региона, с помощью которого я мог бы описать аспекты регионального климата. Интуитивный подход может заключаться в том, чтобы просто брать среднее значение по всем станциям на …

10 time-series  climate 

Я пытаюсь обновить модель на основе lm (), чтобы получить правильные стандартные ошибки и тесты. Я действительно запутался, какую матрицу VC использовать. В sandwichпакет предложений vcovHC, vcovHACи NeweyWest. В то время как первый учитывает только гетероскедастичность, последние два учитывают как последовательную корреляцию, так и гетероскедастичность. Тем не менее, документация мало …

10 regression  time-series  neweywest 

Я хотел бы узнать значения, (x, y)используемые при построении графиков plot(b, seWithMean=TRUE)в пакете mgcv . Кто-нибудь знает, как я могу извлечь или вычислить эти значения? Вот пример: library(mgcv) set.seed(0) dat <- gamSim(1, n=400, dist="normal", scale=2) b <- gam(y~s(x0), data=dat) plot(b, seWithMean=TRUE)

10 r  time-series  smoothing  mgcv 

Какие современные инструменты (на основе Windows) вы предлагаете для моделирования финансовых временных рядов?

10 modeling  time-series  finance  software 

Каковы самые простые тесты сезонности для временных рядов? Будучи более конкретным, я хочу проверить, имеет ли specific time series the seasonal componentсмысл. Какие рекомендуемые пакеты в Python / R?

9 r  time-series  hypothesis-testing  python  seasonality 

Я нашел решение, которое гласило, что если квадрат временного ряда является стационарным, то же самое происходит и с исходным временным рядом, и наоборот. Однако я не могу доказать это, у кого-то есть идея, если это правда, и если это как вывести это?

9 time-series  self-study  data-transformation  stationarity 

Недавно я повторил свои знания о временных рядах и понял, что машинное обучение в основном дает только прогнозы на шаг впереди. Под прогнозами на шаг впереди я подразумеваю прогнозы, которые, например, если у нас есть почасовые данные, используют данные с 10:00 для прогнозирования 11:00 и 11:00 для 12:00 и т. …

9 machine-learning  time-series  forecasting  arima 

Я пытаюсь моделировать и прогнозировать временные ряды, которые являются циклическими, а не сезонными (то есть существуют сезоноподобные модели, но не с фиксированным периодом). Это должно быть возможно сделать с использованием модели ARIMA, как упомянуто в разделе 8.5 « Прогнозирование: принципы и практика» : Значение важно, если данные показывают циклы. Чтобы …

9 time-series  forecasting  arima  seasonality 

У меня есть много данных временных рядов - уровни воды и скорости против времени. Это результат моделирования гидравлической модели. В качестве части процесса проверки, чтобы подтвердить, что модель работает должным образом, я должен построить каждый временной ряд, чтобы убедиться, что в данных нет «колебаний» (см. Пример незначительного колебания ниже). Использование …

9 time-series  data-visualization  change-point 

Я использую библиотеку python statsmodels VAR для моделирования данных финансовых временных рядов, и некоторые результаты меня озадачили. Я знаю, что модели VAR предполагают, что данные временного ряда являются стационарными. Я непреднамеренно подбираю нестационарную серию журнальных цен для двух разных ценных бумаг, и, к удивлению, подобранные значения и прогнозы в выборке …

9 time-series  forecasting  r-squared  var  stationarity 

Я читаю байесовскую онлайн-статью об обнаружении точек смены Адамса и Маккея ( ссылка ). Авторы начинают с написания предельного распределительного предсказания: гдеP(xt+1|x1:t)=∑rtP(xt+1|rt,x(r)t)P(rt|x1:t)(1)P(xt+1|x1:t)=∑rtP(xt+1|rt,xt(r))P(rt|x1:t)(1) P(x_{t+1} | \textbf{x}_{1:t}) = \sum_{r_t} P(x_{t+1} | r_t, \textbf{x}_t^{(r)}) P(r_t | \textbf{x}_{1:t}) \qquad \qquad (1) тxtxtx_t - наблюдение в момент времени ;ttt тx1:tx1:t\textbf{x}_{1:t} обозначает набор наблюдений до момента …

9 time-series  bayesian  inference  change-point 

Проблема, с которой я имею дело, заключается в прогнозировании значений временных рядов. Я смотрю на один временной ряд за раз и на основе, например, 15% входных данных, я хотел бы предсказать его будущие значения. До сих пор я сталкивался с двумя моделями: LSTM (долговременная кратковременная память; класс рекуррентных нейронных сетей) …

9 time-series  forecasting  references  arima  lstm 

Как мне придать больший вес более поздним наблюдениям в R? Я предполагаю, что это часто задаваемый вопрос или желание, но мне трудно понять, как именно это реализовать. Я пытался много искать для этого, но я не могу найти хороший практический пример. В моем примере у меня будет большой набор данных …

9 r  time-series  regression  random-forest 

В моделях временных рядов, таких как ARMA-GARCH, для выбора подходящего лага или порядка модели используются разные информационные критерии, такие как AIC, BIC, SIC и т. Д. Мой вопрос очень прост, почему мы не используем скорректированный чтобы выбрать подходящую модель? Мы можем выбрать модель, которая приведет к более высокому значению скорректированной …

9 regression  time-series  model-selection  aic  bic 

Предположим следующую одномерную последовательность: A, B, C, Z, B, B, #, C, C, C, V, $, W, A, % ... Письма A, B, C, ..здесь представляют «обычные» события. #, $, %, ...Здесь символы обозначают «особые» события Временной интервал между всеми событиями является неоднородным (от секунд до дней), хотя чем дальше …

9 time-series  deep-learning  rare-events  lstm  sequential-pattern-mining