5

毎月約2000または奇数の時系列に適合させる必要があります。特に、非常に特異な動作をします。一部はアルマ/アリマ、一部はエウマ、一部は季節性や傾向の有無にかかわらずアーチ/ガーチです（共通点は時系列アスペクト）。

理論的には、aicまたはbic基準を使用してアンサンブルモデルを構築し、最適なモデルを選択できますが、コミュニティはこの問題を解決しようとするライブラリを認識していますか？

グーグルは私にロブ・J・ハインドマンの リンクによって以下のものを知らせました

しかし、それらは他の選択肢ですか？

4

2 に答える 2

3

予測パッケージには 2 つの自動方法があります。ARIMAauto.arima()モデルを使用して自動モデリングを処理する方法とets()、指数平滑法ファミリーから最適なモデルを自動的に選択する方法 (適切な場合は傾向と季節性を含む)。どちらの場合も、モデルの選択には AIC が使用されます。ただし、どちらも ARCH/GARCH モデルを処理しません。このパッケージについては、次の JSS 記事で詳細に説明されています: http://www.jstatsoft.org/v27/i03

あなたの質問にさらに：

高次元データ (週次データなど) で予測パッケージ関数、特に ets 関数を使用できるようになるのはいつですか?

多分来年早々。論文は書かれており (robjhyndman.com/working-papers/complex-seasonality を参照)、現在コードに取り組んでいます。

于 2009-09-09T23:50:35.877 に答える
0

useRs に感謝します。予測パッケージも arima と ets の複合体として試しましたが、aic や bic(sbc) からはあまり評価されていないため、各時系列を独自の svm(ベクター マシンをサポート) は、一般化の適応性が高く、ラグや非線形カーネル関数以外の変数を追加できるためです。

何か予感？

于 2009-09-12T20:01:50.697 に答える