Perguntas com a marcação «forecasting»

Recentemente, atualizei meus conhecimentos de previsão enquanto trabalhava em algumas previsões mensais no trabalho e lia o livro de Rob Hyndman, mas o único lugar em que estou lutando é quando usar um modelo de suavização exponencial versus um modelo ARIMA. Existe uma regra prática em que você deve usar …

12 forecasting  arima  exponential-smoothing 

Eu tenho um negócio on-line há dois anos seguidos, então tenho meus dados de vendas mensais há cerca de dois anos. Meus negócios todos os meses certamente são afetados pelo balanço sazonal (apresenta melhor desempenho no Natal, etc.) e provavelmente por alguns outros fatores que não conheço. Para prever melhor …

12 time-series  forecasting 

Edição principal: Gostaria de agradecer muito a Dave e Nick por suas respostas. A boa notícia é que consegui fazer o loop funcionar (princípio emprestado da publicação do Prof. Hydnman na previsão de lotes). Para consolidar as consultas pendentes: a) Como aumento o número máximo de iterações para auto.arima - …

12 forecasting  arima  predictor  seasonality  multiple-seasonalities 

O pacote MARSS em R oferece função para análise dinâmica de fatores. Neste pacote, o modelo de fator dinâmico é escrito como uma forma especial de modelo de espaço de estado e eles assumem que as tendências comuns seguem o processo AR (1). Como não estou muito familiarizado com esses …

12 r  time-series  forecasting  factor-analysis  state-space-models 

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 enquanto log ( y t ) é I ( 1 ) .xtxtx_tytyty_tlog(yt)log⁡(yt)\log (y_t)I(1)I(1)I(1) Mas a diferença …

12 time-series  forecasting  data-transformation  econometrics  logarithm 

Tentei um método de previsão e quero verificar se meu método está correto ou não. Meu estudo está comparando diferentes tipos de fundos mútuos. Quero usar o índice GCC como referência para um deles, mas o problema é que o índice GCC parou em setembro de 2011 e meu estudo …

12 time-series  forecasting  missing-data 

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 seguir: ValueError: The computed initial AR coefficients are not …

12 time-series  forecasting  arima  statsmodels 

Estou procurando um modelo entre os preços das ações e o clima. Tenho o preço do MWatt comprado entre os países da Europa e muitos valores sobre o clima (arquivos Grib). A cada hora em um período de 5 anos (2011-2015). Preço / dia Isso é por dia durante um …

11 time-series  forecasting  predictive-models  modeling  large-data 

Chris Chatfield, cujos livros e documentos de qualidade eu gostei de ler, em (1) dá os seguintes conselhos: Por exemplo, a escolha entre os modelos de séries temporais ARIMA com valores baixos e aproximadamente iguais da AIC provavelmente deve ser feita, não sobre o que acontece para fornecer a AIC …

11 forecasting  model-selection  arima  aic 

O mgcvpacote para Rpossui duas funções para ajustar as interações do produto tensorial: te()e ti(). Entendo a divisão básica do trabalho entre os dois (ajustando uma interação não linear versus decompondo essa interação em efeitos principais e uma interação). O que não entendo é o porquê te(x1, x2)e ti(x1) + …

11 r  gam  mgcv  conditional-probability  mixed-model  references  bayesian  estimation  conditional-probability  machine-learning  optimization  gradient-descent  r  hypothesis-testing  wilcoxon-mann-whitney  time-series  bayesian  inference  change-point  time-series  anova  repeated-measures  statistical-significance  bayesian  contingency-tables  regression  prediction  quantiles  classification  auc  k-means  scikit-learn  regression  spatial  circular-statistics  t-test  effect-size  cohens-d  r  cross-validation  feature-selection  caret  machine-learning  modeling  python  optimization  frequentist  correlation  sample-size  normalization  group-differences  heteroscedasticity  independence  generalized-least-squares  lme4-nlme  references  mcmc  metropolis-hastings  optimization  r  logistic  feature-selection  separation  clustering  k-means  normal-distribution  gaussian-mixture  kullback-leibler  java  spark-mllib  data-visualization  categorical-data  barplot  hypothesis-testing  statistical-significance  chi-squared  type-i-and-ii-errors  pca  scikit-learn  conditional-expectation  statistical-significance  meta-analysis  intuition  r  time-series  multivariate-analysis  garch  machine-learning  classification  data-mining  missing-data  cart  regression  cross-validation  matrix-decomposition  categorical-data  repeated-measures  chi-squared  assumptions  contingency-tables  prediction  binary-data  trend  test-for-trend  matrix-inverse  anova  categorical-data  regression-coefficients  standard-error  r  distributions  exponential  interarrival-time  copula  log-likelihood  time-series  forecasting  prediction-interval  mean  standard-error  meta-analysis  meta-regression  network-meta-analysis  systematic-review  normal-distribution  multiple-regression  generalized-linear-model  poisson-distribution  poisson-regression  r  sas  cohens-kappa 

Divulgação completa: não sou estatístico nem pretendo ser um. Eu sou um humilde administrador de TI. Por favor, jogue gentil comigo. :) Sou responsável por coletar e prever o uso do armazenamento em disco para nossa empresa. Coletamos nosso uso de armazenamento mensalmente e usamos uma regressão linear de doze …

11 regression  forecasting  adjustment 

Suponha que eu tenha um pouco mais de 20.000 séries temporais mensais que vão de jan'05 a dez'11. Cada um deles representa dados de vendas globais para um produto diferente. E se, em vez de calcular previsões para cada um deles, eu quisesse focar apenas em um pequeno número de …

11 time-series  forecasting  forecastability 

Lendo o artigo "Forecasting in Scale" (ferramenta de previsão do FBProphet, consulte https://peerj.com/preprints/3190.pdf ), me deparei com o termo "sparse prior". Os autores explicam que eles estavam usando um "anterior esparso" na modelagem de um vetor de desvios de taxa de alguma taxa escalar , que é um parâmetro de …

11 regression  bayesian  forecasting 

Gostaria de calcular alguma medida de volatilidade ou ruído para dados de séries temporais estacionárias. Pode ser uma medida para uma única série temporal ou uma medida relativa que compara várias séries temporais juntas. Vamos supor que um teste Dickey-Fuller já tenha sido realizado e todas as séries temporais não …

11 time-series  variance  forecasting  volatility-forecasting 

Estou tentando encontrar uma maneira de corrigir os valores discrepantes quando os encontrar / detectar nos dados de séries temporais. Alguns métodos, como o nnetar no R, apresentam alguns erros para séries temporais com valores extremos grandes / grandes. Já consegui corrigir os valores ausentes, mas os valores discrepantes ainda …

10 time-series  forecasting  outliers  winsorizing