Estou trabalhando extensivamente com modelos de séries temporais financeiras, principalmente AR (I) MA e Kalman. Um problema que continuo enfrentando é a frequência de amostragem. Inicialmente, eu pensava que, se fosse oferecida a possibilidade de amostrar com mais frequência a partir de um...
A AIC é frequentemente recomendado como critério para comparar modelos para previsão de séries temporais. Veja, por exemplo, isso no contexto de modelos de regressão dinâmica : O AIC pode ser calculado para o modelo final e esse valor pode ser usado para determinar os melhores preditores. Ou...
Recentemente, recapitulei meus conhecimentos sobre séries temporais e percebi que o aprendizado de máquina geralmente oferece apenas um passo à frente das previsões. Com previsões um passo à frente, quero dizer previsões que, por exemplo, se tivermos dados horários, use os dados das 10h às 11h e...
O problema com o qual estou lidando é prever valores de séries temporais. Estou analisando uma série temporal por vez e, com base em, por exemplo, 15% dos dados de entrada, gostaria de prever seus valores futuros. Até agora me deparei com dois modelos: LSTM (memória de longo prazo; uma classe de...
Estou tentando modelar e prever uma série temporal que é cíclica e não sazonal (ou seja, existem padrões sazonais, mas não por um período fixo). Isso deve ser possível usando um modelo ARIMA, conforme mencionado na Seção 8.5 de Previsão: princípios e prática : O valor de é importante se os dados...
Eu tenho usado as funções ets () e auto.arima () do pacote de previsão para prever um grande número de séries temporais univariadas. Eu tenho usado a função a seguir para escolher entre os 2 métodos, mas queria saber se o CrossValidated tinha idéias melhores (ou menos ingênuas) para previsão...
Se eu tiver um objeto arima como a: set.seed(100) x1 <- cumsum(runif(100)) x2 <- c(rnorm(25, 20), rep(0, 75)) x3 <- x1 + x2 dummy = c(rep(1, 25), rep(0, 75)) a <- arima(x3, order=c(0, 1, 0), xreg=dummy) print(a) . Series: x3 ARIMA(0,1,0) Call: arima(x = x3, order = c(0, 1, 0),...
Estou realmente tendo problemas para descobrir como comparar o ARIMA e os modelos de regressão. Eu entendo como avaliar os modelos ARIMA um contra o outro e diferentes tipos de modelos de regressão (ou seja: regressão vs regressão dinâmica com erros de AR) um contra o outro, no entanto, não consigo...
Estou usando o ARMA em um conjunto de dados com amostras ausentes. Como eu os trato? Você sugeriria fazer interpolação linear / não linear ou apenas mantê-los fora e considerar duas amostras com dados ausentes no intervalo como amostras
Eu tenho dois grupos de 10 participantes que foram avaliados três vezes durante um experimento. Para testar as diferenças entre os grupos e nas três avaliações, executei um ANOVA de desenho misto 2x3 com group(controle, experimental), time(primeiro, segundo, três) e group x time. Ambos timee...
Gostaria de prever as séries temporais não estacionárias, envolvendo várias suposições a priori cruciais após o estudo de instâncias de tais séries. Eu construí a função de distribuição de probabilidade de um ponto com média de tempo aproximada pela distribuição normal. Desse ponto de vista,...
Atualmente, estou usando R para prever uma série temporal com estas instruções: X <- ts(datas, frequency=24) X.arima <- Arima(X, order=c(2,1,0), seasonal=c(1,1,1)) pred <- predict(X.arima, n.ahead=24) plot.ts(pred$pred) Como você pode ver, tenho dados a cada hora e escolhi o período...
Eu tenho um conjunto de dados meteorológicos diários, que surpreendentemente tem um efeito sazonal muito forte. Adaptei um modelo ARIMA a esse conjunto de dados usando a função auto.arima do pacote de previsão. Para minha surpresa, a função não aplica operações sazonais - diferencial sazonal,...
Meu projeto atual pode exigir que eu construa um modelo para prever o comportamento de um determinado grupo de pessoas. o conjunto de dados de treinamento contém apenas 6 variáveis (id é apenas para fins de identificação): id, age, income, gender, job category, monthly spend em que monthly...
Estou usando o método arima do pacote de estatísticas R com minha série temporal de 17376 elementos. Meu objetivo é obter o valor do critério AIC, observei no meu primeiro teste isso: ts <- arima(serie[,1], order = c(2,1,1), seasonal = list(order=c(2,0,1),period = 24), method = "CSS",...
Entendo o modelo AR (p): sua entrada é a série temporal sendo modelada. Estou completamente paralisado ao ler sobre o modelo MA (q): sua entrada é inovação ou choque aleatório, como costuma ser formulado. O problema é que não consigo imaginar como obter um componente de inovação que ainda não...
Usei o auto.arima para ajustar um modelo de série temporal (uma regressão linear com erros ARIMA, conforme descrito no site de Rob Hyndman ). e reporta valores de critérios de informação como AIC: 2989.2 AICC: 2989.3 BIC: 3261.2 Quando eu uso o Arima para ajustar um modelo com uma estrutura...
Estou tentando escrever uma tese de graduação em que testo o poder preditivo de um determinado modelo econométrico em uma determinada série temporal financeira. Preciso de alguns conselhos sobre como devo fazer isso. Para colocar as questões em contexto, tenho principalmente econometria...
Eu tenho duas séries temporais (parâmetros de um modelo para homens e mulheres) e pretendo identificar um modelo ARIMA apropriado para fazer previsões. Minha série cronológica se parece com: A plotagem e o ACF mostram não estacionário (os picos do ACF cortam muito lentamente). Assim, uso...
A arimaxfunção no TSApacote é, até onde sei, o único Rpacote que se encaixará em uma função de transferência para modelos de intervenção. Falta uma função de previsão, que às vezes é necessária. A seguir, uma solução alternativa para esse problema, aproveitando o excelente forecastpacote? Os...