J'ai ajusté le modèle ARIMA (5,1,2) en utilisant la auto.arima()fonction dans R et en regardant l'ordre, nous pouvons dire que ce n'est pas le meilleur modèle à prévoir. Si des valeurs aberrantes existent dans la série de données, quelle est la méthode pour adapter un modèle à ces...
Je ne sais pas si elle est totalement hors sujet, mais j'ai pensé qu'il pourrait être utile d'avoir des opinions et une réponse globale sur les raisons pour lesquelles la volatilité est un sujet important en économétrie financière. Je pense que cela a commencé avec la théorie du portefeuille et la...
Puisque nous ne pouvons pas ajuster le modèle ARIMA lorsque l'hypothèse de variance constante est violée, quel modèle peut être utilisé pour ajuster les séries temporelles
J'ai été confronté au problème suivant. J'ai une sorte de système en temps réel et à chaque période, je lis sa valeur actuelle, créant une série temporelle (comme 1, 12, 2, 3, 5, 9, 1, ...). Je voudrais connaître les méthodes (statistiques et apprentissage automatique) pour prévoir la prochaine...
Supposons que j'ai un échantillon de fréquences de 4 événements possibles: Event1 - 5 E2 - 1 E3 - 0 E4 - 12 et j'ai les probabilités attendues que mes événements se produisent: p1 - 0.2 p2 - 0.1 p3 - 0.1 p4 - 0.6 Avec la somme des fréquences observées de mes quatre événements (18), je peux calculer...
Je suis débutant en R, pourriez-vous expliquer comment utiliser ses dans le package de prévision de la prévision R ? Je voudrais choisir le nombre de périodes initiales et la constante de lissage. d <-
Récemment, j'ai récapitulé mes connaissances sur les séries temporelles et j'ai réalisé que l'apprentissage automatique ne donne généralement qu'une seule longueur d'avance. Par prévisions à un pas, j'entends des prévisions qui, par exemple, si nous avons des données horaires, utilisent les données...
alors que j'entre dans la prévision avec des modèles ARIMA, j'essaie de comprendre comment je peux améliorer une prévision basée sur ARIMA en fonction de la saisonnalité et de la dérive. Mes données sont les séries chronologiques suivantes (sur 3 ans, avec une tendance claire à la hausse et une...
Je travaille actuellement sur une tâche de prévision de la demande, avec des données sur des dizaines de milliers de produits dans quelques milliers de magasins. Plus précisément, j'ai quelques années de données de ventes quotidiennes par produit dans chaque magasin, et mon objectif est de prévoir...
Je travaille sur le développement d'un modèle pour prédire les ventes totales d'un produit. J'ai environ un an et demi de données sur les réservations, donc je pourrais faire une analyse de série chronologique standard. Cependant, j'ai également beaucoup de données sur chaque «opportunité» (vente...
J'ai un ensemble de données au format suivant. Il y a un cancer binaire / pas de cancer. Chaque médecin de l'ensemble de données a vu chaque patient et a donné un jugement indépendant sur le fait que le patient soit atteint ou non d'un cancer. Les médecins donnent ensuite leur niveau de confiance...
Exemples: J'ai une phrase dans la description de poste: "Java senior engineer in UK". Je veux utiliser un modèle d'apprentissage profond pour le prédire en 2 catégories: English et IT jobs. Si j'utilise un modèle de classification traditionnel, il ne peut prédire qu'une seule étiquette avec...
Nous utilisons STL (implémentation R) pour prévoir les données de séries chronologiques. Chaque jour, nous exécutons des prévisions quotidiennes. Nous aimerions comparer les valeurs prévues aux valeurs réelles et identifier l'écart moyen. Par exemple, nous avons effectué des prévisions pour demain...
Je suis occupé par la modélisation ARIMA augmentée de variables exogènes à des fins de modélisation promotionnelle et j'ai du mal à l'expliquer aux utilisateurs professionnels. Dans certains cas, les progiciels se retrouvent avec une simple fonction de transfert, c'est-à-dire le paramètre *...
J'aimerais utiliser un réseau neuronal pour prédire des séries temporelles financières. Je viens d'un milieu informatique et j'ai une certaine connaissance des réseaux de neurones et j'ai lu à ce sujet: TDNN RNN Je cherchais des packages R pour eux et je n'en ai trouvé qu'un pour RNN, le package...
J'ai des données mensuelles de 1993 à 2015 et j'aimerais faire des prévisions sur ces données. J'ai utilisé le package tsoutliers pour détecter les valeurs aberrantes, mais je ne sais pas comment continuer à prévoir avec mon ensemble de données. Voici mon code:
La arimaxfonction dans le TSApackage est, à ma connaissance, le seul Rpackage qui s'adaptera à une fonction de transfert pour les modèles d'intervention. Il manque cependant une fonction de prédiction qui est parfois nécessaire. La solution suivante est-elle une solution à ce problème, tirant parti...
J'essaie de modéliser et de prévoir une série chronologique qui est cyclique plutôt que saisonnière (c'est-à-dire qu'il y a des schémas saisonniers, mais pas avec une période fixe). Cela devrait être possible en utilisant un modèle ARIMA, comme mentionné dans la section 8.5 de la prévision:...
J'utilise la bibliothèque VAR de modèles de statistiques de python pour modéliser les données de séries temporelles financières et certains résultats m'ont laissé perplexe. Je sais que les modèles VAR supposent que les données des séries chronologiques sont stationnaires. J'ai ajusté par...
Le problème auquel je fais face est la prévision des valeurs de séries chronologiques. Je regarde une série chronologique à la fois et sur la base par exemple de 15% des données d'entrée, je voudrais prédire ses valeurs futures. Jusqu'à présent, je suis tombé sur deux modèles: LSTM (mémoire à court...