autoregressive-models相关内容
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
..
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
..
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
..
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
..
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
..
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
..
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.
..
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
..
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,
..
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,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:
..