«forecasting» etiketlenmiş sorular

Kısa bir süre önce işyerinde aylık tahminler üzerinde çalışırken ve Rob Hyndman'ın kitabını okurken tahmin bilgimi yeniliyordum, ancak mücadele ettiğim tek yer, bir ARIMA modeline kıyasla üstel bir yumuşatma modelinin ne zaman kullanılacağıdır. Bir metodolojiyi diğerine karşı kullanmanız gereken bir kural var mı? Ayrıca, ikisini karşılaştırmak için AIC'yi kullanamayacağınız için …

12 forecasting  arima  exponential-smoothing 

Şu anda üst üste iki yıldır çevrimiçi bir işletme işletiyorum, bu yüzden yaklaşık iki yıldır aylık satış verilerim var. Her ay için işim kesinlikle mevsimsel salınımdan (Noel'de daha iyi performans gösterir, vb.) Ve muhtemelen farkında olmadığım diğer bazı faktörlerden etkilenir. Gelecekteki satışları daha iyi tahmin etmek ve satış kampanyamın etkinliğini …

12 time-series  forecasting 

Büyük düzenleme: Dave & Nick'e şimdiye kadar verdikleri yanıtlar için çok teşekkür etmek istiyorum. İyi haber şu ki, çalışma döngüsünü aldım (prensip, Prof. Hydnman'ın toplu tahmin üzerine görevinden ödünç alındı). Bekleyen sorguları birleştirmek için: a) auto.arima için maksimum yineleme sayısını nasıl artırabilirim - çok sayıda eksojen değişkenle auto.arima, son bir …

12 forecasting  arima  predictor  seasonality  multiple-seasonalities 

R'deki MARSS paketi dinamik faktör analizi işlevi sunar. Bu pakette, dinamik faktör modeli özel bir durum uzay modeli olarak yazılmıştır ve ortak eğilimlerin AR (1) sürecini takip ettiğini varsayarlar. Bu iki yönteme çok aşina olmadığım için, iki soru ile geliyorum: Dinamik Faktör Analizi özel bir Durum Uzay Modeli midir? Bu …

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

Genellikle yazarların "günlük farkı" modelini tahmin ettiğini görüyorum, ör. 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 Bunu ilişkilendirmek uygun katılıyorum bir yüzde değişim ise olduğu .xtxtx_tytyty_tlog(yt)log⁡(yt)\log (y_t)I(1)I(1)I(1) Ancak log farkı yaklaşık bir değerdir ve log dönüşümü olmayan bir modeli de tahmin edebiliriz, ör. yt/yt−1−1=(yt−yt−1)/yt−1=α+βxtyt/yt−1−1=(yt−yt−1)/yt−1=α+βxty_t/y_{t-1} -1 = (y_t - …

12 time-series  forecasting  data-transformation  econometrics  logarithm 

Bir tahmin yöntemi denedim ve yöntemimin doğru olup olmadığını kontrol etmek istiyorum. Çalışmam farklı yatırım fonlarını karşılaştırıyor. GCC endeksini bunlardan biri için bir referans olarak kullanmak istiyorum, ancak sorun GCC endeksinin Eylül 2011'de durması ve çalışmamın Ocak 2003'ten Temmuz 2014'e kadar olması. ancak sorun, MSCI endeksinin Eylül 2010'dan itibaren veri …

12 time-series  forecasting  missing-data 

Enerji ve hava stokları arasında bir model arıyorum. Avrupa ülkeleri arasında satın alınan MWatt'ın fiyatı ve hava durumu (Grib dosyaları) üzerinde çok fazla değer var. 5 yıllık bir sürede (2011-2015) her saat. Fiyat / gün Bu bir yıl boyunca günlüktür. Bunu 5 yılda saat başı var. Hava örneği Bir saat …

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

Okuduğum birçok kaliteli kitabı ve makalesi olan Chris Chatfield, (1) 'de aşağıdaki tavsiyelerde bulunur: Örneğin, AIC'nin düşük ve yaklaşık olarak eşit değerlerine sahip ARIMA zaman serisi modelleri arasında seçim yapılması, muhtemelen en az AIC'yi vermek değil, en son yıl verilerinin en iyi tahminlerini vermek için yapılmalıdır. Bu tavsiyenin mantığı nedir? …

11 forecasting  model-selection  arima  aic 

mgcvİçin paket Rtensör ürün etkileşimleri uydurma için iki işlevi vardır: te()ve ti(). İkisi arasındaki temel işbölümünü anlıyorum (doğrusal olmayan bir etkileşime uymak ve bu etkileşimi ana etkilere ve etkileşime ayırmak). Anlamadığım şey neden te(x1, x2)ve ti(x1) + ti(x2) + ti(x1, x2)(biraz) farklı sonuçlar üretebilir. MWE (uyarlanmıştır ?ti): require(mgcv) test1 <- …

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 

Tam açıklama: Ben bir istatistikçi değilim, ne de bir iddiada bulunuyorum. Ben düşük bir BT yöneticisiyim. Lütfen benimle nazik oynayın. :) Kuruluşumuz için disk depolama kullanımını toplamak ve tahmin etmekten sorumluyum. Depolama kullanımımızı aylık olarak toplarız ve tahminler için basit bir yuvarlanan on iki aylık doğrusal regresyon kullanırız (başka bir …

11 regression  forecasting  adjustment 

Varsayalım ki, Ocak'05'ten Aralık'11'e kadar aylık 20.000'den fazla zaman serisi var. Bunların her biri farklı bir ürün için küresel satış verilerini temsil eder. Ya, her biri için tahminleri hesaplamak yerine, yalnızca "gerçekten önemli" olan az sayıda ürüne odaklanmak isteseydim? Bu ürünleri toplam yıllık gelire göre sıralayabilir ve klasik Pareto kullanarak …

11 time-series  forecasting  forecastability 

"Ölçekte Öngörü" (FBProphet öngörme aracı, bkz. Https://peerj.com/preprints/3190.pdf ) "Daha önce seyrek" terimiyle karşılaştım. Yazarlar , lojistik büyüme modelinde bir model parametresi olan bazı skaler oran hız sapması vektörünü modellemede böyle bir "seyrek öncekini" kullandıklarını açıklarlar .δδ\mathbf{\delta}kkk Bunlar belirttiği gibi bu , bir parametre ise "seyrek", sıfıra yakın elemanlarını taşıyan vektöre …

11 regression  bayesian  forecasting 

Zaman serisi verilerinde buldukları / algıladıkları zaman aykırı değerleri düzeltmenin bir yolunu bulmaya çalışıyorum. R'deki nnetar gibi bazı yöntemler, büyük / büyük aykırı değerlere sahip zaman serileri için bazı hatalar verir. Zaten eksik değerleri düzeltmeyi başardım, ancak aykırı değerler hala tahminlerime zarar veriyor ...

10 time-series  forecasting  outliers  winsorizing 

Aşağıdaki zaman serisi verilerini mevsimsel, trend ve artık bileşenlere ayırmak istiyorum. Veriler, ticari bir binadan saatlik Soğutma Enerji Profili: TotalCoolingForDecompose.ts <- ts(TotalCoolingForDecompose, start=c(2012,3,18), freq=8765.81) plot(TotalCoolingForDecompose.ts) Bu nedenle aşağıdaki tavsiyelere dayanan bariz günlük ve haftalık mevsimsel etkiler vardır: Birden çok mevsimsel bileşen içeren bir zaman serisini nasıl parçalayabilirim? , Paketten tbatsişlevi …

10 r  time-series  forecasting  multiple-seasonalities  tbats 

Bir kağıt fabrikasının performansı hakkında tahminlerde bulunmak için RF regresyonunu kullanmaya çalışıyorum. Girişler için dakika dakika verilerim var (odun hamurunun oranı ve miktarı vb ...) ve aynı zamanda makinenin performansı (üretilen kağıt, makinenin çektiği güç) ve 10 dakika tahminlerde bulunmak istiyorum performans değişkenleri üzerinde. 12 aylık verilerim var, bu yüzden …

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