«forecasting» 태그된 질문

나는 최근 직장에서 월간 예측 작업을하고 Rob Hyndman의 책을 읽는 동안 내 예측 지식을 새로 고쳤지만, 어려움을 겪고있는 한 가지 장소는 지수 평활 모델과 ARIMA 모델을 사용할 때입니다. 한 방법론과 다른 방법론을 사용해야하는 경험이 있습니까? 또한 AIC를 사용하여 두 가지를 비교할 수 없으므로 RMSE, MAE 등으로 가야합니까? 현재 몇 가지를 …

12 forecasting  arima  exponential-smoothing 

지금 2 년 동안 온라인 비즈니스를 운영해 왔으므로 약 2 년 동안 월별 판매 데이터를 보유하고 있습니다. 매월 저의 사업은 계절 변동 (크리스마스 등에서 더 나은 실적)과 내가 모르는 다른 요인에 의해 영향을받습니다. 향후 판매를 더 잘 예측하고 내 판매 캠페인의 효과 또는 새로운 경쟁 업체의 영향을 측정하기 위해 현재 …

12 time-series  forecasting 

주요 편집 : 지금까지 그들의 답변에 대해 Dave & Nick에게 큰 감사를 표하고 싶습니다. 좋은 소식은 내가 일할 루프가 있다는 것입니다 (배치 예측에 대한 Hydnman 교수의 게시물에서 빌린 원칙). 미해결 쿼리를 통합하려면 다음을 수행하십시오. a) auto.arima의 최대 반복 횟수를 늘리는 방법-많은 외인성 변수를 사용하면 auto.arima가 최종 모델에 수렴하기 전에 최대 …

12 forecasting  arima  predictor  seasonality  multiple-seasonalities 

R의 MARSS 패키지는 동적 요인 분석을위한 기능을 제공합니다. 이 패키지에서 동적 요인 모델은 특수한 형태의 상태 공간 모델로 작성되며 공통 추세가 AR (1) 프로세스를 따른다고 가정합니다. 이 두 가지 방법에 익숙하지 않기 때문에 두 가지 질문이 있습니다. 동적 계수 분석은 특수한 형태의 상태 공간 모델입니까? 이 두 방법의 차이점은 무엇입니까? …

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

저자들이 종종 "로그 차이"모델을 추정하는 것을 본다. 로그( y티) − 로그( yt - 1) = 로그( y티/ yt - 1) = α + β엑스티로그⁡(와이티)−로그⁡(와이티−1)=로그⁡(와이티/와이티−1)=α+β엑스티\log (y_t)-\log(y_{t-1}) = \log(y_t/y_{t-1}) = \alpha + \beta x_t 가 동안 를 의 백분율 변화 와 관련시키는 것이 적절하다는 데 동의합니다 .엑스티엑스티x_t와이티와이티y_t로그( y티)로그⁡(와이티)\log (y_t)나는( 1 )나는(1)I(1) 그러나 …

12 time-series  forecasting  data-transformation  econometrics  logarithm 

예측 방법을 시도했는데 내 방법이 올바른지 확인하고 싶습니다. 저의 연구는 다른 종류의 뮤추얼 펀드를 비교하고 있습니다. GCC 지수를 그중 하나의 벤치 마크로 사용하고 싶지만 문제는 2011 년 9 월에 GCC 지수가 중단되었고 2003 년 1 월부터 2014 년 7 월까지의 연구가 진행되었다는 것입니다. 따라서 다른 지수 인 MSCI 지수를 사용하려고했습니다. …

12 time-series  forecasting  missing-data 

나는 에너지의 주가와 날씨 사이의 모델을 찾고 있습니다. 유럽 ​​국가간에 구매 한 MWatt의 가격과 날씨에 대한 많은 가치가 있습니다 (Grib 파일). 각 시간은 5 년 (2011-2015)입니다. 가격 / 일 이것은 1 년 동안 하루입니다. 나는 5 년에 시간당이 있습니다. 날씨의 예 1 시간 동안 켈빈 단위의 3Dscatterplot. 시간당 데이터 당 …

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

(1)에서 많은 책과 논문을 읽었던 Chris Chatfield는 다음과 같은 조언을합니다. 예를 들어, AIC 값이 낮거나 대략 동일한 ARIMA 시계열 모델 중에서 선택해야합니다. 이는 최소 AIC를 제공하는 것이 아니라 가장 최근 연도 데이터를 가장 잘 예측하는 것입니다. 그러한 조언의 근거는 무엇입니까? 소리가 좋은 경우, predict :: auto.arima 및 기타 예측 루틴이 …

11 forecasting  model-selection  arima  aic 

mgcv에 대한 패키지는 R텐서 제품의 상호 작용을 피팅에 대한 두 가지 기능이 있습니다 : te()와 ti(). 나는 둘 사이의 기본 노동 분열을 이해한다 (비선형 상호 작용에 적합하고이 상호 작용을 주요 효과와 상호 작용으로 분해). 내가 이해할 수없는 것은 왜 te(x1, x2)와 ti(x1) + ti(x2) + ti(x1, x2)(약간) 다른 결과가 발생할 …

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 

전체 공개 : 나는 통계학자가 아니며, 하나라고 주장하지도 않습니다. 저는 IT 관리자가 적습니다. 나와 함께 부드럽게 놀아주세요. :) 회사의 디스크 스토리지 사용을 수집하고 예측할 책임이 있습니다. 스토리지 사용량을 매월 수집하고 예측을 위해 간단한 롤링 12 개월 선형 회귀를 사용합니다 (즉, 예측시 이전 12 개월의 데이터 만 고려 됨). 우리는이 정보를 …

11 regression  forecasting  adjustment 

1 월 5 일에서 12 월 11 일까지 20.000 개가 넘는 월별 시계열이 있다고 가정합니다. 이들 각각은 다른 제품에 대한 글로벌 판매 데이터를 나타냅니다. 각각의 예측을 계산하는 대신 "실제로 중요한"소수의 제품에만 집중하고 싶을 경우 어떻게해야합니까? 나는 총 연간 수입으로 해당 제품의 순위를 매기고 고전적인 파레토를 사용하여 목록을 정리할 수 있습니다. …

11 time-series  forecasting  forecastability 

"예측 규모 예측"(FBProphet 예측 도구, https://peerj.com/preprints/3190.pdf 참조 )을 읽으면서 나는 "먼저 스파 스"라는 용어를 발견했습니다. 저자 는 로지스틱 성장 모델의 모델 매개 변수 인 스칼라 비율 에서 속도 편차 벡터를 모델링 할 때 이러한 "스파 스 이전"을 사용했다고 설명합니다 .δδ\mathbf{\delta}kkk 그들이 라고 말하면서, 매개 변수 가 작 으면 "sparse"가 0에 …

11 regression  bayesian  forecasting 

시계열 데이터에서 이상 값을 찾거나 감지하면 이상 값을 수정하는 방법을 찾으려고합니다. R의 nnetar와 같은 일부 방법은 이상 치가 큰 시계열에 대해 약간의 오류를 발생시킵니다. 이미 결 측값을 수정했지만 이상 치가 여전히 내 예측을 손상시키고 있습니다 ...

10 time-series  forecasting  outliers  winsorizing 

다음 시계열 데이터를 계절, 추세 및 잔존 성분으로 분해하고 싶습니다. 데이터는 상업용 건물의 시간별 냉각 에너지 프로파일입니다. TotalCoolingForDecompose.ts <- ts(TotalCoolingForDecompose, start=c(2012,3,18), freq=8765.81) plot(TotalCoolingForDecompose.ts) 따라서 다음과 같은 조언을 바탕으로 일일 및 주간 계절 효과가 분명합니다. 여러 계절 성분으로 시계열을 분해하는 방법은 무엇입니까? 패키지 의 tbats기능을 사용했습니다 forecast. TotalCooling.tbats <- tbats(TotalCoolingForDecompose.ts, seasonal.periods=c(24,168), …

10 r  time-series  forecasting  multiple-seasonalities  tbats 

제지 공장의 성능을 예측하기 위해 RF 회귀를 사용하려고합니다. 나는 기계 (종이 생산, 기계가 끌어 낸 전력)의 성능뿐만 아니라 입력 (속도 및 목재 펄프의 양 등 ...)에 대한 분 단위 데이터를 가지고 있으며 10 분을 예측하려고합니다. 성능 변수에 앞서. 12 개월의 데이터를 얻었으므로 훈련 세트의 경우 11 개월과 테스트의 마지막 달로 …

10 time-series  forecasting  cross-validation  random-forest  autoregressive