Preguntas etiquetadas con time-series

Actualmente utilizo el siguiente proceso para iniciar una serie de tiempo multivariante en R: Determine los tamaños de bloque: ejecute la función b.staren el nppaquete que produce un tamaño de bloque para cada serie Seleccione el tamaño máximo de bloque Ejecutar tsbooten cualquier serie usando el tamaño de bloque seleccionado …

11 r  time-series  multivariate-analysis  bootstrap 

He ajustado los modelos ARIMA a la serie temporal original, y el mejor modelo es ARIMA (1,1,0). Ahora quiero simular la serie de ese modelo. Escribí el modelo AR (1) simple, pero no podía entender cómo ajustar la diferencia dentro del modelo ARI (1,1,0). El siguiente código R para la …

11 r  time-series  arima 

Estoy tratando de entender por qué OLS da un estimador sesgado de un proceso AR (1). Considere En este modelo, se viola la exogeneidad estricta, es decir, y están correlacionados pero y no están correlacionados. Pero si esto es cierto, ¿por qué no se cumple la siguiente derivación simple? ytεtyt-1εtPlim …

11 time-series  least-squares  bias  autoregressive  estimators 

Mi pregunta es sobre la diferencia conceptual entre Holt-Winters y ARIMA. Por lo que yo entiendo, Holt-Winters es un caso especial de ARIMA. Pero, ¿cuándo se prefiere un algoritmo sobre el otro? ¿Quizás Holt-Winters es incremental y, por lo tanto, sirve como un algoritmo en línea (más rápido)? Espero tener …

11 time-series  arima  exponential-smoothing 

Considere un modelo AR ( ) (suponiendo una media cero por simplicidad):ppp xt=φ1xt−1+…+φpxt−p+εtxt=φ1xt−1+…+φpxt−p+εt x_t = \varphi_1 x_{t-1} + \dotsc + \varphi_p x_{t-p} + \varepsilon_t Se sabe que el estimador OLS (equivalente al estimador condicional de máxima verosimilitud) para está sesgado, como se señaló en un hilo reciente .φ:=(φ1,…,φp)φ:=(φ1,…,φp)\mathbf{\varphi} := (\varphi_1,\dotsc,\varphi_p) …

11 time-series  maximum-likelihood  autoregressive  unbiased-estimator 

Tengo una serie temporal y me gustaría modelarla como un proceso ARFIMA (también conocido como FARIMA). Si está integrado en el orden (fraccional) , me gustaría diferenciarlo fraccionalmente para hacerlo estacionario.ytyty_tytyty_tddd Pregunta : ¿es correcta la siguiente fórmula que define la diferenciación fraccional? Δdyt:=yt−dyt−1+d(d−1)2!yt−2−d(d−1)(d−2)3!yt−3+...+(−1)k+1d(d−1)⋅...⋅(d−k)k!yt−k+...Δdyt:=yt−dyt−1+d(d−1)2!yt−2−d(d−1)(d−2)3!yt−3+...+(−1)k+1d(d−1)⋅...⋅(d−k)k!yt−k+...\Delta^d y_t := y_t - d y_{t-1} …

11 time-series  arima  arfima 

He leído que usar R-cuadrado para series de tiempo no es apropiado porque en un contexto de serie de tiempo (sé que hay otros contextos) R-cuadrado ya no es único. ¿Por qué es esto? Traté de buscar esto, pero no encontré nada. Por lo general, no pongo mucho valor en …

11 regression  time-series  r-squared 

Tengo dos series temporales de datos diarios. Uno es sign-upsy el otro terminationsde suscripciones. Me gustaría predecir esto último utilizando la información contenida en ambas variables. Al observar el gráfico de estas series, es obvio que las terminaciones están correlacionadas con múltiplos de las suscripciones de los meses anteriores. Es …

11 r  time-series  seasonality  var 

Estamos tratando de crear valores aleatorios correlacionados automáticamente que se utilizarán como series de tiempo. No tenemos datos existentes a los que nos referimos y solo queremos crear el vector desde cero. Por un lado, por supuesto, necesitamos un proceso aleatorio con distribución y su SD. Por otro lado, debe …

11 r  time-series  random-variable  autocorrelation  lags 

Habiendo trabajado principalmente con datos de sección transversal hasta ahora y muy recientemente navegando, escaneando tropezando con un montón de literatura introductoria de series de tiempo, me pregunto qué papel juegan las variables explicativas en el análisis de series de tiempo. Me gustaría explicar una tendencia en lugar de la …

11 r  time-series  multivariate-analysis 

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 

He ajustado un modelo ARIMA (1,1,1) -GARCH (1,1) a la serie temporal de precios de registro del tipo de cambio AUD / USD muestreados a intervalos de un minuto en el transcurso de varios años, lo que me da más de dos millones de puntos de datos para estimar el …

10 time-series  arima  simulation  garch  finance 

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 

Es probable que haya más de un malentendido serio en esta pregunta, pero no está destinado a hacer los cálculos correctos, sino a motivar el aprendizaje de series de tiempo con un cierto enfoque en mente. Al tratar de comprender la aplicación de series de tiempo, parece que la tendencia …

10 r  time-series  data-visualization