在 ARIMA 或 VAR 模型中选择特定的滞后
我已经看到这个问题提出 这里和here 但不幸的是，答案并不令人满意.在 VAR 中的 p 参数或 arima 中的 order 参数中输入滞后，R 将包括所有滞后于或低于该规定值. 但是，如果您只想要特定的延迟怎么办?例如，如果我只想在 VAR 中使用滞后 1、2 和 4 怎么办?在 VAR 中输入 P=4 会给我滞后 1、2、3 和 4，但我想排除第三个滞后. 在第一个链接中，用户
..
autoregressive-models相关内容
如何在python中使用AutoReg预测时间序列
我正在尝试仅使用自动回归算法来构建老式模型.我发现在 statsmodel 包中有它的实现.我已经阅读了文档，据我所知，它应该可以作为 ARIMA 使用.所以，这是我的代码: import statsmodels.api as sm模型 = sm.tsa.AutoReg(df_train.beer, 12).fit() 当我想预测新值时，我会尝试遵循文档: y_pred = model.pr
..
自动为 AutoRegression 模型 statsmodels 选择滞后
在 statsmodels v0.10.1 中，无需在 自回归 AR(p) 模型.如果您选择不指定滞后数，模型会为您选择最适合自动运行模型的一个.在新版本 0.11.1 中，此模型现在称为 AutoReg，现在似乎滞后是强制性的.有没有办法让这个模型在新版本中选择最适合你的滞后数? 解决方案 现在是一个独立的函数，statsmodels.tsa.ar_model.ar_select_ord
..
如何拟合模型"Y(t)=αX+βY(t-1)-βY(t-2)"，在R中?
我必须使用R对时间序列 Y(t)提前进行一步预测.理论认为理想的模型应该是: Y(t)=αX+βY(t-1)-βY(t-2) 但是，我不知道如何处理以下问题: 我必须服用βY(t-1) 减 βY(t-2). 自回归( Y(t-1)， Y(t-2))和外生strong>变量( X ). 我必须测试"βY(t-1)-βY(t-2)"是否是表达自回归的最佳方法，而不是其他ARIMA
..
R:如何拟合时间序列模型，例如"Y(t)＝αX+βY(t-1)"?
如何逐步将此模型拟合到R中?我的范围是对t + 1进行预测. Y(t)=αX(t)+βY(t-1) Y(t) X
..
用R多次重复相同的代码并收集最终结果
我有问题.我希望你能理解我.我的英文不是很好. 我需要重复B次(其中B至少为一千)，我编写并收集1000个最终结果的R代码.我报告代码: phi=0.5 p=1 n=100 M=1000 serie1=arima.sim(model=list(ar =phi ,order=c(p,0,0)),n = n,innov=rnorm(100,0,1)) stima
..
Auto.arima没有显示任何顺序
我正在尝试在R中使用auto.arima函数拟合arima模型.即使数据不稳定，结果也会显示顺序(0,0,0). auto.arima(x，approximation = TRUE) ARIMA(0,0,0)具有非零均值 有人可以建议为什么会出现这样的结果吗?顺便说一句，我仅在10个数据点上运行此功能. 解决方案 10个数据点是用于估计ARIMA模型的非常少的观察值.
..
如何从R中的ar()方法模型获取拟合值
我想从R中的ar()函数输出模型中检索拟合值.当使用Arima()方法时，我使用fitted(model.object)函数获取它们，但是找不到与ar()等效的方法. 解决方案 它不存储拟合向量，但具有残差.使用ar对象的残差从原始数据重构预测的示例: data(WWWusage) arf
..
在ARIMA或VAR模型中选择特定的滞后
我已经看到此问题提出了此处，但不幸的是，答案并不令人满意.在VAR的p参数或arima的order参数中输入滞后，R将包括等于或低于该指定值的所有滞后. 但是，如果您只希望特定的滞后时间怎么办?例如，如果我只希望在VAR中滞后1、2和4，该怎么办?在VAR中输入P = 4将给我1、2、3和4滞后，但是我想排除第三次滞后. 在第一个链接中，用户表示自己可以使用季节性参数来包括滞后时间1,
..
NARX神经网络预测?
我正在尝试使用Matlab提供的NARX神经网络解决方案来解决时间序列问题.我试图了解如何预测实际值，但是我得到的结果几乎是完美的！错误是如此之小，以至于我不确定我是否真的在预测.我只想确保我做的一切正确！ 基本上，我使用GUI解决方案对网络进行了一些样本训练.然后，我使用以下脚本使用新样本测试神经网络: X = num2cell(open2(1:end))'; % inp
..
在MATLAB中使用自回归（AR）滤波器过滤一些随机信号
在MATLAB中，如果我有一些信号 x 让我们说 x = rand（1,1000） 我想要生成通过使用 M 的自回归（AR）过滤器过滤 x ，我如何找到 y（n）？因为自回归滤波器需要过去的输出值来计算，但是我还没有任何过去的输出。我只有输入样本 x 。 在移动平均（MA）过滤器中，我可以生成 y（n），因为它只需要过去的输入，因为我们有 x ，如下所示：
..