Estou tentando entender como usar o aprendizado de máquina para prever séries temporais financeiras 1 ou mais etapas no futuro. Tenho séries temporais financeiras com alguns dados descritivos e gostaria de formar um modelo e depois usá-lo para prever n passos adiante. O que tenho feito até agora...
Eu tenho uma série temporal que estou tentando modelar com o modelo de estatísticas ARIMA api do Python. Quando aplico o seguinte: from statsmodels.tsa.arima_model import ARIMA model = ARIMA(data['Sales difference'].dropna(), order=(2, 1, 2)) results_AR = model.fit(disp=-1) Estou tendo o erro a...
Estou executando o seguinte teste de raiz unitária (Dickey-Fuller) em uma série temporal usando a ur.df()função no urcapacote. O comando é: summary(ur.df(d.Aus, type = "drift", 6)) A saída é: ############################################### # Augmented Dickey-Fuller Test Unit Root Test #...
Faz mais de 2 anos que trabalho em diferentes séries temporais. Li em muitos artigos que o ACF é usado para identificar a ordem do termo MA e o PACF para AR. Existe uma regra geral de que, para a MA, o atraso em que o ACF é desligado repentinamente é a ordem da MA e da mesma forma para o PACF e...
Considere o seguinte gráfico: A linha vermelha (eixo esquerdo) descreve o volume de negociação de uma determinada ação. A linha azul (eixo direito) descreve o volume de mensagens do twitter para esse material. Por exemplo, em 9 de maio (09-09), foram feitos cerca de 1.100 milhões de transações e...
Dadas as duas séries temporais a seguir ( x , y ; veja abaixo), qual é o melhor método para modelar o relacionamento entre as tendências de longo prazo nesses dados? Ambas as séries temporais têm testes significativos de Durbin-Watson quando modelados em função do tempo e nem são estacionários...
Estou trabalhando em um algoritmo que utiliza um vetor do ponto de dados mais recente de um número de fluxos de sensores e compara a distância euclidiana aos vetores anteriores. O problema é que os diferentes fluxos de dados são de sensores completamente diferentes; portanto, tomar uma distância...
Eu tenho um conjunto de dados muito grande e faltam cerca de 5% de valores aleatórios. Essas variáveis estão correlacionadas entre si. O exemplo a seguir do conjunto de dados R é apenas um exemplo de brinquedo com dados correlatos simulados. set.seed(123) # matrix of X variable xmat <-...
Nota: esta pergunta é um repost, pois minha pergunta anterior teve que ser excluída por razões legais. Ao comparar o PROC MIXED do SAS com a função lmedo nlmepacote no R, deparei-me com algumas diferenças bastante confusas. Mais especificamente, os graus de liberdade nos diferentes testes...
O que são relação e diferença entre séries temporais e regressão? Para modelos e suposições , é correto que os modelos de regressão assumam independência entre as variáveis de saída para diferentes valores da variável de entrada, enquanto o modelo de série temporal não? Quais são algumas outras...
Uma série com desvio pode ser modelada como que é o desvio (constante) e . yt=c+ϕyt−1+εtyt=c+ϕyt−1+εty_t = c + \phi y_{t-1} + \varepsilon_tcccϕ=1ϕ=1\phi=1 Uma série com tendência pode ser modelada como que é a deriva (constante), é a tendência de tempo determinística e...
É melhor diferenciar uma série (supondo que seja necessária) antes de usar um Arima OU melhor para usar o parâmetro d no Arima? Fiquei surpreso com a diferença entre os valores ajustados, dependendo de qual rota é tomada com o mesmo modelo e dados. Ou estou fazendo algo
Alguém pode me ajudar a entender quais são as diferenças entre o Modelo de Equações Simultâneas e o Modelo de Equações Estruturais (SEM)? Será ótimo se alguém puder me fornecer alguma literatura sobre isso. Além disso, existe alguma literatura em que SEM foi usado no contexto de séries temporais?...
Por que a análise de séries temporais não é considerada um algoritmo de aprendizado de máquina (ao contrário da regressão linear). A análise de regressão e de séries temporais são métodos de previsão. Então, por que um deles é considerado um algoritmo de aprendizado, mas não o...
Estou tentando detectar valores anômalos em uma série temporal de dados climáticos com algumas observações ausentes. Pesquisando na web, encontrei muitas abordagens disponíveis. Dessas, a decomposição do stl parece atraente, no sentido de remover componentes de tendência e sazonais e estudar o...
Usei stl () em R para decompor os dados de contagem em componentes de tendência, sazonal e irregular. Os valores de tendência resultantes não são mais números inteiros. Tenho as seguintes perguntas: Stl () é uma maneira apropriada de dessazonalizar os dados da contagem? Como a tendência...
Eu tenho um conjunto de dados que está claramente aumentando à medida que o tempo passa (taxa de câmbio de uma moeda, dados mensais ao longo de 20 anos), minha pergunta é: Posso prejudicar os dados e depois diferenciá-los também para torná-los estacionários, se eles forem prejudiciais? não consegue...
Fiquei imaginando como seu "processo estacionário de segunda ordem" é definido na Introdução a séries temporais e previsões de Brockwell e Davis : A classe de modelos de séries temporais lineares, que inclui a classe de modelos de média móvel autoregressiva (ARMA), fornece uma estrutura geral...
Eu tenho um conjunto de dados de séries temporais no qual estou tentando ajustar um Modelo de Markov oculto (HMM) para estimar o número de estados latentes nos dados. Meu pseudo-código para fazer isso é o seguinte: for( i in 2 : max_number_of_states ){ ... calculate HMM with i states ......
Muitas vezes, vejo autores estimarem um modelo de "diferença de log", por exemplo 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 Concordo que é apropriado relacionar a uma alteração percentual em y t...