«arima» etiketlenmiş sorular

ARIMA modelleme / Box Jenkins (BJ) parametrelerinin nasıl hesaplandığını anlamaya çalışıyorum. Maalesef karşılaştığım kitapların hiçbiri Log-Likelihood tahmin prosedürü gibi tahmin prosedürünü ayrıntılı olarak açıklamıyor. Web sitesi / öğretim materyali çok yararlı buldum . Yukarıda referansta bulunulan kaynaktan denklem aşağıdadır. L L ( θ ) = - n2günlük( 2 π) - …

15 time-series  forecasting  arima  optimization  box-jenkins 

Yaklaşık 2 yıllık günlük veri noktaları içeren günlük satış serisi veri kullanıyorum. Bazı çevrimiçi derslere / örneklere dayanarak verilerdeki mevsimselliği belirlemeye çalıştım. Görünüşe göre haftalık, aylık ve muhtemelen yıllık periyodiklik / mevsimsellik var. Örneğin, özellikle hafta içinde birkaç gün süren ayın 1. ödeme gününde ödeme günleri vardır. Gözlemlere dikkat çekerek …

15 r  time-series  forecasting  arima  multiple-seasonalities 

25 dönem boyunca birkaç ürünün (1200 ürün) talebini içeren bir veri setim var ve her bir ürünün gelecek dönem için talebini tahmin etmem gerekiyor. İlk başta, ARIMA kullanmak ve her ürün için bir model eğitmek istedim, ancak ürün sayısı ve (p, d, q) parametrelerinin ayarlanması nedeniyle çok zaman alıcı ve …

15 machine-learning  time-series  arima 

Tahmin etmeye çalıştığım, mevsimsel ARIMA (0,0,0) (0,1,0) [12] modelini (= fit2) kullandığım bir zaman serim var. Auto.arima ile önerilen R'den farklıdır (R hesaplanan ARIMA (0,1,1) (0,1,0) [12] daha iyi bir uyum olurdu, buna fit1 adını verdim). Bununla birlikte, zaman serimin son 12 ayında modelim (fit2) ayarlandığında daha iyi bir uyum …

15 r  time-series  statistical-significance  arima  residuals 

Panel veri analizinde, otomatik korelasyon sorunları (yani gözlemler zaman içinde bireyler içinde kümelenir) ile başa çıkmak için rastgele / karışık efektlere sahip çok seviyeli modeller kullandım. . ARMA / ARIMA benzer sorunları ele almak için tasarlandı. Çevrimiçi bulduğum kaynaklar, ya serileri (ARMA / ARIMA) ya da karma efekt modellerini tartışıyor, …

14 time-series  mixed-model  arima  multilevel-analysis 

Zaman serisi analizinde Box-Jenkins model seçim prosedürü, serinin otokorelasyon ve kısmi otokorelasyon fonksiyonlarına bakarak başlar. Bu grafikler bir ARMA modelinde uygun ve değerlerini önerebilir . Prosedür, kullanıcıdan beyaz gürültü hata terimi olan bir model üretenler arasında en uysal modeli seçmek için AIC / BIC kriterlerini uygulamasını isteyerek devam eder.pppqqq( p …

14 regression  time-series  arima  model-selection  box-jenkins 

Şu anda veri mühendisliği alanında yüksek lisans eğitimi almak isteyen işletme ve ekonomi mezunuyum. Doğrusal regresyon (LR) ve sonra zaman serisi analizi (TS) üzerinde çalışırken aklıma bir soru geldi. Neden çoklu lineer regresyon kullanmak ve ona gecikmeli değişkenler eklemek yerine yepyeni bir yöntem, yani zaman serisi (ARIMA) yaratalım (gecikmeler sırası …

14 regression  time-series  multiple-regression  least-squares  arima 

Birden fazla eksojen değişkenli çoklu zaman serisi ARIMA modeline dayalı bir tahmin yapmak istiyorum. Ne istatistiklere ne de UR'ye bağlı kalmak konusunda o kadar yetenekli olmadığım için mümkün olduğunca basit (3 aylık trend tahmini yeterlidir). Ben 1 bağımlı zaman serisi ve 3-5 tahmin zaman serisi, tüm aylık veri, boşluk, aynı …

14 r  time-series  arima 

2 yıldan fazla bir süredir farklı zaman serileri üzerinde çalışıyorum. ACF'nin MA terimini ve AR için PACF'yi tanımlamak için kullanıldığı birçok makalede okudum. MA için, ACF'nin aniden kesildiği gecikmenin MA sırası ve benzer şekilde PACF ve AR için bir başparmak kuralı vardır. İşte PennState Eberly Bilim Koleji'nden takip ettiğim makalelerden …

14 time-series  arima  autoregressive  moving-average 

Bazı rüzgar / dalga verileri için ARIMA modelleri yapıyorum. Her değişken için ayrı bir model oluşturuyorum. Modellemem gereken değişkenlerden ikisi dalga ve rüzgar yönleridir. Değerler derece cinsindendir (0-360 °). Bu tip verileri değer aralığının dairesel olduğu yerde modellemek mümkün müdür? Değilse, bu tür veriler için hangi model sınıfı en iyisidir?

13 time-series  arima  circular-statistics 

Önümüzdeki 6 ay boyunca emtia (Petrol, Alüminyum, Kalay, vb.) Fiyatlarını tahmin etmeye çalıştığımız küçük bir proje üzerinde çalışıyorum. Tahmin edeceğim 12 değişkenim var ve Nisan, 2008 - Mayıs 2013 tarihleri ​​arasında verilerim var. Tahmin hakkında nasıl gitmeliyim? Aşağıdakileri yaptım: Timeseries veri kümesi olarak içe aktarılan veriler Tüm değişkenlerin mevsimsellik Trend'e …

13 r  time-series  forecasting  neural-networks  arima 

R (2.15.2) 'de bir zaman serisine bir kez ARIMA (3,1,3) ve bir zamanlar farklı zaman aralıklarına bir ARMA (3,3) taktım. Takılan parametreler, ARIMA'daki takma yöntemine atfettiğim farklılıklar gösteriyor. Ayrıca, ARMA (3,3) ile aynı verilere bir ARIMA (3,0,3) takmak, kullandığım takma yöntemi ne olursa olsun aynı parametrelerle sonuçlanmaz. Farkın nereden geldiğini …

13 r  time-series  arima  fitting  arma 

ARIMA modellerini öğrenmeye ve uygulamaya çalışıyorum. Pankratz tarafından ARIMA ile ilgili mükemmel bir metin okuyorum - Tek Değişkenli Kutuyla Tahmin - Jenkins Modelleri: Kavramlar ve Olgular . Metinde yazar özellikle ARIMA modellerinin seçiminde parsimony'nin temelini vurgular. R paket tahminindeauto.arima() fonksiyonla oynamaya başladım . İşte yaptığım şey, ARIMA'yı simüle ettim ve …

13 time-series  forecasting  arima  aic  automatic-algorithms 

Arima kullanmadan önce bir seriyi (ihtiyaç duyduğu varsayılarak) fark etmek daha mı iyi, yoksa Arima içinde d parametresini kullanmak için daha mı iyi? Aynı model ve verilerle hangi güzergahın alındığına bağlı olarak, takılan değerlerin ne kadar farklı olduğuna şaşırdım. Yoksa yanlış bir şey mi yapıyorum? install.packages("forecast") library(forecast) wineindT<-window(wineind, start=c(1987,1), end=c(1994,8)) …

13 r  time-series  arima 

Zaman serisi tahminini otomatikleştirmem gerekiyor ve bu serilerin özelliklerini (mevsimsellik, trend, gürültü, vb.) Önceden bilmiyorum. Amacım her dizi için mümkün olan en iyi modeli elde etmek değil, oldukça kötü modellerden kaçınmaktır. Diğer bir deyişle, her seferinde küçük hatalar almak sorun değil, arada sırada büyük hatalar almaktır. Bunu farklı tekniklerle hesaplanan …

13 time-series  forecasting  arima  ensemble  exponential-smoothing