경제 분야 (정말)에 우리는 규칙적으로 간격을 둔 시계열을위한 ARIMA와 GARCH와 모델링 포인트 프로세스를위한 Hawkes, Poisson, Poisson을 가지고 있습니다. ?
(이 주제에 대한 지식이 있으면 해당 위키 기사를 확장 할 수도 있습니다 .)
판 (결 측값 및 불규칙한 간격 시계열 정보) :
@Lucas Reis 의견에 대한 답변. 측정 또는 실현 변수 사이의 간격이 (예를 들어) 포아송 프로세스로 인해 이격되면 이러한 종류의 정규화를위한 여지는 많지 않지만 간단한 절차가 존재합니다. t(i)
변수 x의 i 번째 시간 인덱스 (i 번째 시간) 실현 X)는 다음과 같은 측정의 시간들 사이의 갭을 정의하는 g(i)=t(i)-t(i-1)
, 우리는 이산 g(i)
하여 상수 c
, dg(i)=floor(g(i)/c
원래의 시계열의 이전의 관찰과 블랭크 값의 수와 신규 시계열을 작성 i
하고 i+1
(DG의 I과 동일), 그러나 문제점이 있다는 것이다 프로시 저는 관측치보다 훨씬 더 많은 결측 데이터로 시계열을 쉽게 생성 할 수 있으므로 결측 관측치 값의 합리적인 추정은 불가능하고 너무 클 수 있습니다c
"시간 구조 / 시간 의존성 등"삭제 c>=max(floor(g(i)/c))
불규칙한 간격의 시계열을 규칙적인 간격으로 간단히 축소 하여 극단적 인 경우를
Edition2 (재미있게) : 불규칙한 간격의 시계열 또는 포인트 프로세스의 경우 결 측값을 고려한 이미지.
t(i)
- 시간, x[t(i)],x[t(i+1)],x[t(i+2)]...
그리고 t(j+1)-t(j)
일정하지 않다. 데이터는 분산 또는 비동기식 매너에서 수집됩니다.