Preguntas etiquetadas con time-series

Estoy usando la biblioteca VAR statsmodels de python para modelar datos financieros de series de tiempo y algunos resultados me han desconcertado. Sé que los modelos VAR suponen que los datos de la serie temporal son estacionarios. Inadvertidamente, ajusté una serie no estacionaria de precios de registro para dos valores …

9 time-series  forecasting  r-squared  var  stationarity 

Estoy leyendo el artículo de detección de punto de cambio en línea Bayesiano de Adams y MacKay ( enlace ). Los autores comienzan escribiendo la distribución predictiva marginal: dondeP(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) xtxtx_t es la observación en el …

9 time-series  bayesian  inference  change-point 

El problema con el que estoy lidiando es predecir valores de series de tiempo. Estoy mirando una serie de tiempo a la vez y, por ejemplo, en base al 15% de los datos de entrada, me gustaría predecir sus valores futuros. Hasta ahora me he encontrado con dos modelos: LSTM …

9 time-series  forecasting  references  arima  lstm 

¿Cómo asigno más peso a las observaciones más recientes en R? Supongo que esto es una pregunta o deseo común, pero me resulta difícil descubrir exactamente cómo implementar esto. He intentado buscar mucho para esto, pero no puedo encontrar un buen ejemplo práctico. En mi ejemplo, tendría un gran conjunto …

9 r  time-series  regression  random-forest 

En modelos de series de tiempo, como ARMA-GARCH, para seleccionar el retraso u orden apropiado del modelo, se utilizan diferentes criterios de información, como AIC, BIC, SIC, etc. Mi pregunta es muy simple, ¿por qué no usamos ajustado para elegir el modelo apropiado? Podemos seleccionar un modelo que conduzca a …

9 regression  time-series  model-selection  aic  bic 

Suponga la siguiente secuencia unidimensional: A, B, C, Z, B, B, #, C, C, C, V, $, W, A, % ... Las letras A, B, C, ..aquí representan eventos 'ordinarios'. Los símbolos #, $, %, ...aquí representan eventos 'especiales' El espacio temporal entre todos los eventos no es uniforme (cualquier …

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

Tengo datos mensuales de 1993 a 2015 y me gustaría hacer pronósticos sobre estos datos. Utilicé el paquete tsoutliers para detectar los valores atípicos, pero no sé cómo continúo pronosticando con mi conjunto de datos. Este es mi código: product.outlier<-tso(product,types=c("AO","LS","TC")) plot(product.outlier) Esta es mi salida del paquete tsoutliers ARIMA(0,1,0)(0,0,1)[12] Coefficients: …

9 r  time-series  forecasting  arima  outliers 

Utilizo la decomposefunción Ry encuentro los 3 componentes de mi serie temporal mensual (tendencia, estacional y aleatoria). Si trazo el gráfico o miro la tabla, puedo ver claramente que la serie temporal se ve afectada por la estacionalidad. Sin embargo, cuando retrocedo la serie temporal en las 11 variables ficticias …

9 r  regression  time-series 

Solo porque un corresponsal planteó una pregunta interesante sobre los métodos de cálculo de la autocorrelación, comencé a jugar con ella, casi sin ningún conocimiento sobre series de tiempo y autocorrelación. El corresponsal organizó sus datos ( puntos de datos de una serie de tiempo) desplazados por un intervalo de …

9 time-series  pca 

Estoy ocupado con el modelado ARIMA aumentado con variables exógenas para fines de modelado promocional y me cuesta explicarlo a los usuarios comerciales. En algunos casos, los paquetes de software terminan con una función de transferencia simple, es decir, parámetro * Variable exógena. En este caso, la interpretación es fácil, …

9 time-series  data-visualization  forecasting  arima  causality 

Necesito implementar la detección de anomalías en varios conjuntos de datos de series temporales. Nunca he hecho esto antes y esperaba algún consejo. Me siento muy cómodo con Python, por lo que preferiría que se implementara la solución (la mayor parte de mi código es Python para otras partes de …

9 machine-learning  time-series  python  computational-statistics  anomaly-detection 

Supongamos que tengo alguna función desconocida Fff con el dominio Rℝℝ , que sé que cumple algunas condiciones razonables como la continuidad. Sé los valores exactos de Fff (porque los datos provienen de una simulación) en algunos puntos de muestreo equidistantes con , que puedo suponer que son lo suficientemente …

9 time-series  hypothesis-testing  exact-test 

Estamos utilizando STL (implementación R) para pronosticar datos de series temporales. Todos los días hacemos pronósticos diarios. Nos gustaría comparar los valores de pronóstico con valores reales e identificar la desviación promedio. Por ejemplo, ejecutamos el pronóstico para mañana y obtuvimos puntos de pronóstico, nos gustaría comparar estos puntos de …

9 time-series  forecasting  accuracy 

Mi pregunta es realmente simple, pero esas son las que realmente me entienden :) Realmente no sé cómo evaluar si una serie de tiempo específica se descompondrá utilizando un método de descomposición aditiva o multiplicativa. Sé que hay indicios visuales para distinguirlos, pero no los entiendo. Tomemos por ejemplo esta …

9 time-series  mathematical-statistics  variance-decomposition 

Tengo muchas series de tiempo con períodos: día, semana o mes. Con stl()función o con loess(x ~ y)puedo ver cómo se ven las tendencias de series de tiempo particulares. Necesito detectar si la tendencia de las series temporales está aumentando o disminuyendo. ¿Cómo puedo manejar eso? Traté de calcular los …

9 r  time-series  trend