1. Le problème J'ai des mesures d'une variable ytyty_t , où t=1,2,..,nt=1,2,..,nt=1,2,..,n , pour lequel j'ai une distribution obtenue via MCMC, qui pour simplifier je suppose que c'est un gaussien de moyenne et de variance .fyt(yt)fyt(yt)f_{y_t}(y_t)μtμt\mu_tσ2tσt2\sigma_t^2 J'ai un modèle...
Je vois un modèle de régression qui régresse les rendements des indices boursiers sur douze mois (12 mois) Rendements annuels du même indice boursier, écart de crédit (différence entre la moyenne mensuelle des obligations sans risque et des obligations de sociétés) taux d'inflation en glissement...
Éditer J'ai trouvé un document décrivant exactement la procédure dont j'ai besoin. La seule différence est que le papier interpole les données moyennes mensuelles au quotidien, tout en préservant les moyennes mensuelles. J'ai du mal à mettre en œuvre l'approche en R. Tous les indices sont...
Je fais des prévisions dans R en utilisant le package de prévisions de Rob Hyndman . Le papier appartenant au paquet peut être trouvé ici . Dans l'article, après avoir expliqué les algorithmes de prévision automatique, les auteurs mettent en œuvre les algorithmes sur le même ensemble de données....
Quels problèmes d'entrée séquentielle conviennent le mieux à chacun? La dimensionnalité d'entrée détermine-t-elle celle qui correspond le mieux? Les problèmes qui nécessitent une "mémoire plus longue" sont-ils mieux adaptés à un LSTM RNN, alors que les problèmes de modèles d'entrée cycliques...
J'ai des données de vente quotidiennes pour un produit très saisonnier. Je veux saisir la saisonnalité dans le modèle de régression. J'ai lu que si vous avez des données trimestrielles ou mensuelles, dans ce cas, vous pouvez créer respectivement 3 et 11 variables muettes - mais puis-je gérer les...
Cette question est peut-être trop basique. Pour une tendance temporelle d'une donnée, je voudrais découvrir le point où se produit un changement "brutal". Par exemple, dans la première figure ci-dessous, je voudrais découvrir le point de changement en utilisant une méthode statistique. Et je...
J'ai besoin de dériver des expressions analytiques pour la fonction d'autocovarianceγ(k)γ(k)\gamma\left(k\right) d'un processus ARMA (2,1) dénoté par: yt=ϕ1yt−1+ϕ2yt−2+θ1ϵt−1+ϵtyt=ϕ1yt−1+ϕ2yt−2+θ1ϵt−1+ϵty_t=\phi_1y_{t-1}+\phi_2y_{t-2}+\theta_1\epsilon_{t-1}+\epsilon_t Donc, je sais que:...
Je cherche à tester la cointégration entre deux séries chronologiques. Les deux séries ont des données hebdomadaires couvrant environ 3 ans. J'essaie de faire la méthode en deux étapes d'Engle-Granger. Mon ordre des opérations suit. Testez chaque série chronologique pour la racine unitaire via...
J'essaie simplement de comprendre quelle est la relation entre une régression multiple / simple normale vs une régression multiple / simple lorsque les variables sont différenciées. Par exemple, j'analyse la relation entre le solde des dépôts ( ) et les taux du marché ( R T ) Si je lance une...
Lors du préformage du test Johansen Cointegration pour 2 séries temporelles (le cas simple), vous devez décider du décalage que vous souhaitez utiliser. Faire le test pour différents décalages renvoie des résultats différents: pour certains niveaux de décalage, l'hypothèse nulle peut être rejetée...
Le processus AR (1) tel que yt=ρyt−1+εtyt=ρyt−1+εty_t=\rho y_{t-1}+\varepsilon_t un processus de Markov? Si c'est le cas, alors VAR (1) est la version vectorielle du processus de
Je comprends la causalité telle qu'utilisée en microéconomie (en particulier IV ou conception de discontinuité de régression) et aussi la causalité de Granger telle qu'utilisée en économétrie de séries chronologiques. Comment est-ce que je lie l'un avec l'autre? Par exemple, j'ai vu les deux...
Dans ce cas particulier, je fais référence au jour où un lac gèle. Cette date "glacée" n'a lieu qu'une fois par an, mais parfois elle ne se produit pas du tout (si l'hiver est chaud). Ainsi, sur une année, le lac peut geler le jour 20 (20 janvier) et une autre année, il peut ne pas geler du tout....
J'ai ajusté le modèle à l'aide caret, mais j'ai ensuite réexécuté le modèle à l'aide du gbmpackage. Je crois comprendre que le caretpackage utilise gbmet que la sortie doit être la même. Cependant, un simple test rapide utilisant data(iris)montre une différence dans le modèle d'environ 5% en...
Je travaille sur un petit projet où nous essayons de prévoir les prix des matières premières (pétrole, aluminium, étain, etc.) pour les 6 prochains mois. J'ai 12 variables de ce type à prévoir et j'ai des données d'avril 2008 à mai 2013. Comment dois-je procéder pour la prédiction? J'ai fait ce qui...
J'ai calculé l'autocorrélation sur des données de séries chronologiques sur les modèles de mouvement d'un poisson en fonction de ses positions: X ( x.ts) et Y ( y.ts). En utilisant R, j'ai exécuté les fonctions suivantes et produit les graphiques suivants: acf(x.ts,100) acf(y.ts,100) Ma question...
Je construis des modèles ARIMA pour certaines données vent / vagues. Je construis un modèle distinct pour chaque variable. Deux des variables que je dois modéliser sont la direction des vagues et du vent. Les valeurs sont en degrés (0-360 °). Est-il possible de modéliser ce type de données où...
Est-il préférable de différencier une série (en supposant qu'elle en ait besoin) avant d'utiliser un Arima OU mieux d'utiliser le paramètre d dans Arima? J'ai été surpris de voir à quel point les valeurs ajustées diffèrent selon l'itinéraire emprunté avec le même modèle et les mêmes données. Ou...
Lors de la modélisation de séries chronologiques, on a la possibilité de (1) modéliser la structure corrélationnelle des termes d'erreur comme par exemple un processus AR (1) (2) inclure la variable dépendante retardée comme variable explicative (sur le côté droit) Je comprends que ce sont parfois...