Preguntas etiquetadas con forecasting

Recientemente he estado actualizando mis conocimientos de pronóstico mientras trabajaba en algunos pronósticos mensuales en el trabajo y leía el libro de Rob Hyndman, pero el único lugar en el que estoy luchando es cuándo usar un modelo de suavizado exponencial frente a un modelo ARIMA. ¿Existe una regla general …

12 forecasting  arima  exponential-smoothing 

He estado operando un negocio en línea durante dos años seguidos, así que tengo mis datos de ventas mensuales durante aproximadamente dos años. Mi negocio para cada mes ciertamente se ve afectado por el cambio estacional (funciona mejor en Navidad, etc.) y probablemente por otros factores que no conozco. Para …

12 time-series  forecasting 

Edición importante: Me gustaría dar las gracias a Dave y Nick hasta ahora por sus respuestas. La buena noticia es que obtuve el bucle para trabajar (principio prestado de la publicación del Prof. Hydnman sobre pronóstico de lotes). Para consolidar las consultas pendientes: a) ¿Cómo puedo aumentar la cantidad máxima …

12 forecasting  arima  predictor  seasonality  multiple-seasonalities 

El paquete MARSS en R ofrece una función para el análisis de factor dinámico. En este paquete, el modelo de factor dinámico se escribe como una forma especial de modelo de espacio de estado y asumen que las tendencias comunes siguen el proceso AR (1). Como no estoy muy familiarizado …

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

A menudo veo que los autores estiman un modelo de "diferencia logarítmica", p. Ej. log(yt)−log(yt−1)=log(yt/yt−1)=α+βxtlog⁡(yt)−log⁡(yt−1)=log⁡(yt/yt−1)=α+βxt\log (y_t)-\log(y_{t-1}) = \log(y_t/y_{t-1}) = \alpha + \beta x_t Estoy de acuerdo en que esto es apropiado para relacionar con un cambio porcentual en mientras que es .xtxtx_tytyty_tlog(yt)log⁡(yt)\log (y_t)I(1)I(1)I(1) Pero la diferencia logarítmica es una aproximación, …

12 time-series  forecasting  data-transformation  econometrics  logarithm 

Intenté un método de pronóstico y quiero verificar si mi método es correcto o no. Mi estudio compara diferentes tipos de fondos mutuos. Quiero usar el índice GCC como punto de referencia para uno de ellos, pero el problema es que el índice GCC se detuvo en septiembre de 2011 …

12 time-series  forecasting  missing-data 

Estoy buscando un modelo entre los precios de las acciones de energía y el clima. Tengo el precio del MWatt comprado entre los países de Europa y muchos valores sobre el clima (archivos Grib). Cada hora en un período de 5 años (2011-2015). Precio / dia Esto es por día …

11 time-series  forecasting  predictive-models  modeling  large-data 

Chris Chatfield, cuyos muchos libros y documentos de calidad que disfruté leyendo, en (1) da el siguiente consejo: Por ejemplo, la elección entre los modelos de series temporales ARIMA con valores bajos y aproximadamente iguales del AIC probablemente debería hacerse, no en lo que da el AIC mínimo, sino en …

11 forecasting  model-selection  arima  aic 

El mgcvpaquete Rtiene dos funciones para ajustar las interacciones del producto tensorial: te()y ti(). Entiendo la división básica del trabajo entre los dos (ajustar una interacción no lineal versus descomponer esta interacción en efectos principales y una interacción). Lo que no entiendo es por qué te(x1, x2)y ti(x1) + ti(x2) …

11 r  gam  mgcv  conditional-probability  mixed-model  references  bayesian  estimation  conditional-probability  machine-learning  optimization  gradient-descent  r  hypothesis-testing  wilcoxon-mann-whitney  time-series  bayesian  inference  change-point  time-series  anova  repeated-measures  statistical-significance  bayesian  contingency-tables  regression  prediction  quantiles  classification  auc  k-means  scikit-learn  regression  spatial  circular-statistics  t-test  effect-size  cohens-d  r  cross-validation  feature-selection  caret  machine-learning  modeling  python  optimization  frequentist  correlation  sample-size  normalization  group-differences  heteroscedasticity  independence  generalized-least-squares  lme4-nlme  references  mcmc  metropolis-hastings  optimization  r  logistic  feature-selection  separation  clustering  k-means  normal-distribution  gaussian-mixture  kullback-leibler  java  spark-mllib  data-visualization  categorical-data  barplot  hypothesis-testing  statistical-significance  chi-squared  type-i-and-ii-errors  pca  scikit-learn  conditional-expectation  statistical-significance  meta-analysis  intuition  r  time-series  multivariate-analysis  garch  machine-learning  classification  data-mining  missing-data  cart  regression  cross-validation  matrix-decomposition  categorical-data  repeated-measures  chi-squared  assumptions  contingency-tables  prediction  binary-data  trend  test-for-trend  matrix-inverse  anova  categorical-data  regression-coefficients  standard-error  r  distributions  exponential  interarrival-time  copula  log-likelihood  time-series  forecasting  prediction-interval  mean  standard-error  meta-analysis  meta-regression  network-meta-analysis  systematic-review  normal-distribution  multiple-regression  generalized-linear-model  poisson-distribution  poisson-regression  r  sas  cohens-kappa 

Divulgación completa: no soy estadístico ni pretendo serlo. Soy un humilde administrador de TI. Por favor, juega gentil conmigo. :) Soy responsable de recopilar y pronosticar el uso del almacenamiento en disco para nuestra empresa. Recopilamos nuestro uso de almacenamiento mensualmente y usamos una simple regresión lineal de doce meses …

11 regression  forecasting  adjustment 

Supongamos que tengo un poco más de 20,000 series de tiempo mensuales que abarcan desde enero de 2005 hasta diciembre de 2011. Cada uno de estos representa datos de ventas globales para un producto diferente. ¿Qué sucedería si, en lugar de calcular pronósticos para todos y cada uno de ellos, …

11 time-series  forecasting  forecastability 

Al leer el documento "Pronósticos a escala" (herramienta de pronóstico FBProphet, consulte https://peerj.com/preprints/3190.pdf ) Me encontré con el término "escaso previo". Los autores explican que estaban usando un "previo escaso" para modelar un vector de desviaciones de velocidad de alguna tasa escalar , que es un parámetro modelo en el …

11 regression  bayesian  forecasting 

Estoy tratando de encontrar una manera de corregir los valores atípicos una vez que los encuentro / detecto en datos de series de tiempo. Algunos métodos, como nnetar en R, dan algunos errores para series de tiempo con valores atípicos grandes / grandes. Ya logré corregir los valores faltantes, pero …

10 time-series  forecasting  outliers  winsorizing 

Me gustaría descomponer los siguientes datos de series temporales en componentes de temporada, tendencia y residuales. Los datos son un Perfil de Energía de Enfriamiento por hora de un edificio comercial: TotalCoolingForDecompose.ts <- ts(TotalCoolingForDecompose, start=c(2012,3,18), freq=8765.81) plot(TotalCoolingForDecompose.ts) Por lo tanto, existen obvios efectos estacionales diarios y semanales basados ​​en los …

10 r  time-series  forecasting  multiple-seasonalities  tbats 

Intento utilizar la regresión de RF para hacer predicciones sobre el rendimiento de una fábrica de papel. Tengo datos minuto a minuto para las entradas (velocidad y cantidad de pulpa de madera que ingresa, etc.), así como para el rendimiento de la máquina (papel producido, energía consumida por la máquina) …

10 time-series  forecasting  cross-validation  random-forest  autoregressive