r******s
发帖数: 2155 | 1 Who told you ARIMA is a girl? |
|
r******s
发帖数: 2155 | 2 /ft
It's spurious.
Just ask ARIMA or HCI. |
|
|
a*****r
发帖数: 681 | 4 arima with cross correlation, holt winters, |
|
c****s
发帖数: 63 | 5 现在在做的Time series的数据，是annual data, 发现有cyclical，如果要建ARIMA
model,怎么用软件来处理这个cyclical呢？
还望大家能多多指点，万分感谢！！！ |
|
l******i
发帖数: 1404 | 6 弄了半天是这个意思，那你直接fit seasonal ARIMA/GARCH model，对比t-statistic |
|
n********6
发帖数: 58 | 7 1） construct a statistical model to describe the following situation:
Customers arrive to a large ticket counter with k cash registers at
average rate N per hour. You have access to minute by minute customer
counts for only one cash register, n(t). Your job is to estimate the
number of customers going through all the registers with a single
minute resolution. That is, you need to model N(t) as a function of
n(t) and the known average value of N(t) over all time. Answer the
following questions... 阅读全帖 |
|
e***z
发帖数: 7126 | 8 【 以下文字转载自 Stock 讨论区 】
发信人: lichenni (大马甲), 信区: Stock
标 题: Re: 大马甲,你是数学phd.有用shit桶炒股吗：))????
发信站: BBS 未名空间站 (Sun Oct 16 19:44:16 2011, 美东)
楼主你一直很好奇，数学能不能预测，怎么预测。今天有点时间，我就随便说说我知道
的一些吧：
对于某一只股票或者大盘的研究，目的都是试图从随机中抽出deterministic的部分。
1. 最原始的预测就是大家所说的TA，其实就是不停地手工描点划线，试图从随机中抽
出deterministic的部分。
2. 高级点的用基本统计方法来预测，。于是上时间序列，建立对应的time series模型
例如ARIMA或者GARCH，其中GARCH用的比较多因为不仅可以预测价格还可以预测
volatility。
但时间序列是假设股票的随机曲线仅与时间相关，局限性比较大。假设：如果股票A的
daily return不仅依赖于时间，还依赖于股票B的daily return和黄金的daily return
。并且这种依赖关系是非线性的... 阅读全帖 |
|
w**********y
发帖数: 1691 | 9 提醒两点要注意的细节..
1. 怎么去validate你的model.最初级的是check model assumption了.这个公司肯定要
看你有没有基本常识..然后常用CrossValidation或者bootstrap去validate.但是这些
对time series的data不一定有效.
2. 你的model是要static的去做预测,还是dynamic的.dynamic就是比如说选择100个点
fit model,对下面10个做预测.依次类推.static是说用全部dta的50%去fit,30%做test.
.最后20%做holdout
Model嘛尽量先别往SDE上面想,多想想统计,time series的方法..从最基本的做起..其
实就是从linear regression做起..你不懂ARIMA,GARCH都没关系的..
good luck! |
|
K**r
发帖数: 2193 | 10 先test stationarity。
如果不是的话要去掉trend，有时候还要先log一下。
然后看Auto Correlation，Partial Auto Correlation。
这样你就知道用什么ARIMA Model了
我就知道这些。。。 |
|
C*****X
发帖数: 5 | 11 大家好！
我们Cipher Ground (www.cipherground.org)正在筹建Cipher Finance项目公司，与国
内一知名Quant平台合作，从事量化分析服务，面向国内160多家股票、期货公司。
我们需要以下人才
理论人才：数学、统计、云计算、金融；
实践人才：具有对冲基金实战经验的人才
具体技术：统计模型：ARIMA、GARCH；神经网络；SVM；分形；小波分析/谱分析；隐马
尔科夫；人工智能
报酬：根据起步期（3个月）的贡献，分配相应Cipher Finance公司股份
工作地点：不限（由于是数据分析，不需要固定地点）
若感兴趣，请将问题或者CV发至：
i**[email protected]
谢谢！
Cipher Finance |
|
w*******e
发帖数: 182 | 12 【 以下文字转载自 Statistics 讨论区 】
发信人: wolfalone (镜中花，水中月), 信区: Statistics
标 题: 问一个 time series的问题
发信站: BBS 未名空间站 (Fri May 1 23:33:38 2015, 美东)
有这样一组数据，一个网站每天早上，上午，下午和晚上四个时间段的流量，这个流量
有很强的seasonality pattern：weekday（比如：周一和上周一，下周一）之间，同一
时间段之间。这种怎么simulate呢？ 比如用ARIMA model的话，怎么确定 p,n,q的值呢
？ |
|
A***A
发帖数: 98 | 13 【 以下文字转载自 Psychology 讨论区,原文如下 】
发信人: ARIMA (Psychometrics), 信区: Psychology
标 题: THE BELL CURVE (ZT)
发信站: Unknown Space - 未名空间 (Wed Apr 13 14:47:58 2005) WWW-POST
An old article, but could shed some light on the recent flurry of posts in the
sociology board on the issue of intelligence and social stratification.
CURVEBALL
The New Yorker, November 28, 1994
BY STEPHEN JAY GOULD
"THE BELL CURVE," by Richard J. Herrnstein and Charles Murray (Free Press;
$30), subtitled "Intelligence and Class Struct |
|
f*******n
发帖数: 70 | 14 就是我给的那个连接,不少人说装不了,俺负责到底,刚刚自己去下载完了
那个SAS文件,已经在roommate机器上装上了,Win XP home,没任何问题,run
了几个proc, GLM, ARIMA, 都OK. 下面就安装扫一下盲.
连接:
http://stat.ustc.edu.cn/data/software/sas8/SAS8.BIN
科大的ftp,还能放多久不知道,快点下吧.
btw,下面这个网站还有别的东东,能不能下不知道,反正这个SAS就是
在这儿找到的.
http://text88.myrice.com/downloads/stata/
安装步骤:
下完了是个.bin文件,可以刻盘或者用winiso解压后直接从硬盘上安装.
安装中途我碰到一个error,israel什么文件拷不了,skip掉.会重启一次
安装最后要initiate,找那个SETINIT文件,应该在V8/core/sasinst下面.
装完了把源盘(.bin文件)里的那个crack目录下的东西拷到V8/目录下覆盖掉.
然后我运行了一下,run SAS/BASE 没问题, 但别的package象SAS/ |
|
v*******a
发帖数: 1193 | 15 没上过课，自己在网上看看资料，想大致学习一下，遇到一些问题，请有经验的学长解
答一下，谢谢。
proc arima options;
identify var=variable
estimate p=? q=?;
这里p是通过看 partial correlation 的值来决定， 对马？
那一般 partial correlation 多小来决定p呢？
q的值是怎么决定的？不明白，我看了一些例子，说check 了white noise，没有q的值
就直接forcast 了；
但是有些例子有q的值，不知道从output哪里可以决定q的值。
先问这些，多谢 |
|
p********a
发帖数: 5352 | 16 ☆─────────────────────────────────────☆
vivianxia (redapple) 于 (Mon Mar 10 20:24:35 2008) 提到:
上次问了一下关于 知道了ARIMA model中p q 由 partial correlation and
autocorrelation 来决定。 但是我不是太理解p 看partial 的 cut off
q 看autocorrelation 的tail off， 具体这个cut off 和tail off是什么意思。
下面是我找的一个例子里面的 autocorrelation and partial correlation
分析中说 autocorrelation 5 lag 之后是截尾的，so q=5. 没有提到p
最后的模型 就是 q=5 了。
请问这里不用考虑p吗 ? 请大家指教 。
. 代表2 sd
☆─────────────────────────────────────☆
vivianxia (redapple) 于 (Mon Mar 10 20:25:38 200 |
|
h******a
发帖数: 198 | 17 我看R里的用来fit AR model的函数有好几个：AR,ARMA,ARIMA,每个函数 同时 fit 同
样一个AR(1)model（不做differece，都是纯粹的AR(1)model），但是估计的结果都不一样啊；
而且对于AR这个函数，估计的方法就有好几种，yule-walker，MLE,OLE，burgs,一般用
那一种呢？MLE和OLE是一样的，那个burgs不知道是什么。。。 |
|
h******a
发帖数: 198 | 18 我用ARIMA也是fit AR(1)model，没有做differeced啊
也许结果不同是因为有太多其他的option了吧~ |
|
f***a
发帖数: 329 | 19
呢？
...
你这不是prediction是啥
还是用predict(,data=y系列数据)吧 |
|
F*******1
发帖数: 75 | 20 非常感谢!
不好意思,再问一个问题.
如果我准备 fit series x as a AR(1). 那用Dickey-Fuller test 的时侯,我只要给出
adf=(1)如下所示,还是要试很多autoregressive orders to make sure series x is
stationary at different orders? 谢谢!
proc arima data=test;
identify var=x stationarity=(adf=(1));
run; |
|
o******6
发帖数: 538 | 21 ☆─────────────────────────────────────☆
vivianxia (redapple) 于 (Sun Mar 9 03:22:02 2008) 提到:
没上过课，自己在网上看看资料，想大致学习一下，遇到一些问题，请有经验的学长解
答一下，谢谢。
proc arima options;
identify var=variable
estimate p=? q=?;
这里p是通过看 partial correlation 的值来决定， 对马？
那一般 partial correlation 多小来决定p呢？
q的值是怎么决定的？不明白，我看了一些例子，说check 了white noise，没有q的值
就直接forcast 了；
但是有些例子有q的值，不知道从output哪里可以决定q的值。
先问这些，多谢
☆─────────────────────────────────────☆
shac (本赛季战况，0：3) 于 (Sun Mar 9 04:12:19 2008) 提到:
q看correlation
p看partial c |
|
q**j
发帖数: 10612 | 22 look at filter() or arima.sim() |
|
jl
发帖数: 398 | 23 arima.sim() for time varying? |
|
q**j
发帖数: 10612 | 24 最近用arima model搞了半天forecast，结果发现这个forecast还不如简单的
historical mean forecast。非常郁闷。难道这些个model都是逗大家玩的？我想有没
有人可以帮我找到更好的办法？挽救一下在下对统计的信心吧。以下是我的code。下一
篇是一个time series数据。一共是370个数。请从第186个开始forecast，只要不作弊
，什么办法都可以用。我悬赏200个伪币如何？
library(forecast)
# Number of time periods
NumPer = length(x)
# Starting time perirod
StartPer = floor(NumPer/2)
# Get the actual realized values
Actual = Fret[seq(StartPer+1,NumPer)]
# initialize the vector containing ARMA prediction
ARMA.Prediction = |
|
c*****l
发帖数: 631 | 25 在做Time series forecasting，用Proc ARIMA 来做transfer function的时候感觉确
定input series的p,q, 分子，分母的参数挺困难，偶然发现SAS还有个SAS High-
Performance Forecasting 的package，竟然有些很好的proc专门针对transfer
function，可以自动identify 相关系数和参数，这个package有没人用过？是单独的一
个软件还是必须运行在SAS 平台上的？ 有没人下载用过？ |
|
g********d
发帖数: 2022 | 26 这个难道不是时间系列吗？
可以用proc arima |
|
|
l****a
发帖数: 336 | 28 I am trying to fit data through Holt-Winters(HW) Method with Multiplicative Seasonality
. However, JMP, the software i am allow to use, includes HW Method with Additive
version only.
I do see some literature mentions that for ARIMA process, using Additive
model after logging transforamtion of time seires data is equivalent to the
use of Multiplicative model.
Does the above rule apply to HW Mothed?
Thanks for any tips and help. |
|
a*****r
发帖数: 681 | 29 there is no way to use proc arima to deal with HW model from my point of
view. but SAS do provide proc forecast to "call" HW model. |
|
a********g
发帖数: 42 | 30 今天我们组面试了一个统计硕士即将毕业的学生，统计本科毕业，成绩优秀，做过
INTERN。简历十分诱人，交流起来也是侃侃而谈。对于新毕业的学生，我本来不是想问
太多的技术问题。只是当他提到用R做过一些基本的统计计算，我顺口问什么统计运算
， 可是他的回答让我吃惊。他说他 记不太清了，要去看一下笔记－：D
一位我们的同事问他用过什么sas的数据处理语言，他似乎答得也不是很清楚。另一位
同事就他的TIME SERIES的课程说了几句，他好像对PROC ARIMA 都不太熟悉。我对这位
的感觉好象是统计的基础不够扎实。想新毕业的学生应该对基础知识更清楚一些才对呀
。 |
|
C******y
发帖数: 2007 | 31 有啥可奇怪的？除了成天拿SAS干活的人，谁会把这些东西记得这么熟。学生鼓捣的都
是公式，模型，编程的东西不会象工作中那样重复用很多次。
PROC ARIMA不记得也不能说明啥，我学time series就都是用R做的作业项目，用R鼓捣
对数学原理还更清楚些。
除非这个人面的职位是SAS程序员或者在简历里吹他对SAS很熟，要不你的面试根本不得
要点。 |
|
n********6
发帖数: 58 | 32 1） construct a statistical model to describe the following situation:
Customers arrive to a large ticket counter with k cash registers at
average rate N per hour. You have access to minute by minute customer
counts for only one cash register, n(t). Your job is to estimate the
number of customers going through all the registers with a single
minute resolution. That is, you need to model N(t) as a function of
n(t) and the known average value of N(t) over all time. Answer the
following questions... 阅读全帖 |
|
|
m******2
发帖数: 564 | 34 当然是Bayesian更优，因为Bayesian本来就是包含一般频率统计的，频率统计是
Bayesian的特例。
我也感觉他的概念系统像Bayesian但是他的意思好像完全抛开了分布的假设，更接近一
种描述统计的方法。觉得他的算法有点像X-Arima或者最小二乘法，更接近处理数据的
方法而没有添加太多的统计分布假设。如果真是这样那可能还挺有希望的，因为假设越
少，适应性越强。 |
|
d**********o
发帖数: 1321 | 35 隐约还能记得点儿MA, AR,ARMA, ARIMA, GARCH之类的模型，如果工作中也只是这些模型的应用，那我该回去啃书了。谢了! |
|
s*********e
发帖数: 1051 | 36 below was posted on my blog before and hope it helpful.
/************************************************
* ARMA - GARCH ESTIMATION USING PROC MODEL *
************************************************/
data garch;
lu = 0;
lh = 0;
ly = 0;
do i = 1 to 1000;
h = 0.3 + 0.4 * lu ** 2 + 0.5 * lh;
u = sqrt(h) * rannor(1);
y = 1 + 0.6 * (ly - 1) + u - 0.7 * lu;
lu = u;
lh = h;
ly = y;
output;
end;
run;
proc model data = garch;
parms ar1 ma1 mu;
y = mu + ar1 ... 阅读全帖 |
|
d*******o
发帖数: 493 | 37 '又或者用ARMA-GARCH,但是这种情况下AR的order可能是不连续的一个子集，比如说p=(
1
2 24 48)这样，那么又该怎么实现最方便？能用一个proc autoreg完成吗？'
Agree with statcompute. No way for proc autoreg. PROC MODEL has more
flexibility. You can expand his solution. |
|
x**a
发帖数: 152 | 38 还有一个问题，在写模型的形式时写zlag1(y-mu)，和直接用zlag(y)有什么区别吗，我
试验了一下发现得到的结果有一些偏差。 |
|
a*z
发帖数: 294 | 39 求 statcompute's blog address! |
|
|
|
|
k*****u
发帖数: 1688 | 43 单变量数据预测（类似时间序列），用exponential decay的效果貌似比arima还好。是
不是有什么理论依据？或者实际经验就是这样？ |
|
k*******a
发帖数: 772 | 44 我觉得exponential decay 就是arima的一个特殊形式把
exponential的性质 dy/dt~y
类似于 delta(y) ~ y
or y[t+1]-y[t]=alpha*y[t]
相当于 autoregressive |
|
f*****d
发帖数: 2726 | 45 数据用ADF测试有 unit root，first differencing以后就没有unit root了。但是用原来的数据AR模型，出来的AIC 大概 -172。用first differencing以后的数据，ARIMA 试了几个模型，出来的AIC 都只有 -168 左右。还有，first differencing 以后，预测值的standard error比原始数据出来的还要大。
我对time series 不是很熟悉，我就是想确定一下，这种情况下，还是应该用first differencing以后的模型，是吧？就是说，取消 unit root 比 AIC 或者 standard error 更重要，是吗？非常感谢！ |
|
y*****w
发帖数: 1350 | 46 Although I personally have never formally done time series analysis, I think
this is for sure a time series analysis rather than a longitudinal analysis
. The reasons are:
1) As everybody understands, this is a just one-person multivariate data
with autocorrelated error terms.
2) Longitudinal analysis and time series analysis have different temporal
dynamics. In a longitudinal study, time points are usually fixed and pre-
specified, for example blood pressure levels at 0, 2, 6, 12, 18, 24, 36
mo... 阅读全帖 |
|
m*********n
发帖数: 413 | 47 你们学校没买ETS，或者是买了没继续续，或者是你的学生版本不包括ETS |
|
v*******e
发帖数: 133 | 48 I actually found answer to Q2:
“The autocorrelations of most autoregressive time series start large and
decline gradually, whereas the autocorrelations of an MA(q) time series
suddenly drop to 0 after the first q autocorrelations. This helps in
distinguishing between autoregressive and moving-average time series.”
noise |
|
|
h***i
发帖数: 3844 | 50 under expectation, they are the same! |
|
