问题标签 [autoregressive-models]

我正在尝试对多元时间序列数据进行分类，并且我使用了 SVM、神经网络、基于 DTW 的 KNN 等机器学习算法。现在我将使用自动回归等统计模型对我的数据进行分类，以便这样做我已经在 R 中编写了一些代码，但似乎无法进行分类，因为结果是一些浮点数，而不是分类数。你有这种情况的经验吗？这是我的代码：

数据集样本

状态结果：

$状态

但是，我预计它是 0 或 1。

我是 Spark 的新手。我想为多元时间序列实现向量自回归模型，最重要的是我想实现 ARIMA，但我不知道 Spark/Scala 是否可以实现这一点，只要算法应该被并行化以在集群上运行。

我的问题是：是否可以在 Spark 中使用向量自回归模型来处理多元时间序列？

提前致谢

我正在对时间序列数据（利率掉期利差）进行 OLS 回归。我已经使用 Newey-West 标准误差运行回归来处理自相关和异方差。

我的问题是：这足以确保我的模型从假设检验的角度来看是合适的吗？或者我是否也需要使用一阶差分（因为数据不是固定的）？

谢谢你。

我正在建立一个因子模型来估计未来的股票回报。我想在这个模型中包含一个自回归残差项。我希望将昨天的误差（昨天的预测回报与实际回报之间的差异）作为自变量包含在回归中。这叫什么类型的自回归模型？我搜索了各种时间序列计量经济学文本，但没有找到描述的这个特定模型。我目前在 R 中的解决方案是在每个离散时间步 (t) 重新运行回归，并手动包含昨天的残差，但我很好奇是否有更有效的方法或包可以做到这一点。

下面是一些不包括残差项的示例代码：

我正在尝试将重复测量模型与最初使用 SAS 拟合的自回归相匹配。SAS代码如下...

我试图匹配的输出是......

看来他们正在使用“重复测量方差分析”，据我所知，R 中不存在。我试图拟合的模型是......

我得到的输出与 SAS 产生的输出略有不同。因此，我想知道这是否与两个程序的差异有关，或者我是否未能在 R 中捕获整个 SAS 模型。我的数据看起来像这样......

我正在寻找可以创建 VAR(p) 模型的滞后结构的函数或代码，因为我需要它来在其上运行其他一些函数。我编写了一个函数，可以在单变量情况下创建一个时间序列的滞后结构矩阵，但我不知道为多变量情况编写函数。或者在 R 中有任何实现吗？

一个简短的可重现示例是 3 维 VAR：

并假设我想构建一个 3 维 VAR(2) 模型的滞后矩阵

编辑

最终目标是使用包估计一个 5 维 VAR(20) lasso Regressionglmnet

我正在寻找包含阈值回归模型或阈值自回归 (ar) 模型的 R 包，该模型具有时间序列的额外外生解释变量？到目前为止，我遇到了以下软件包，它们并没有完全捕捉到我正在寻找的行为：

• pdR（似乎是正确的选择，但是 ptm 函数适用于面板数据而不是时间序列数据，并且当我将多个横截面单位设置为 1 时不起作用）
• chngpt （类似于上面，而且不是我正在寻找的阈值规范）
• tsDyn（我想要事后阈值而不是转换矩阵）
• TAR（不能添加外生变量）
• threg （不能确切地说它做了什么，但不是我要找的东西）

您的帮助将非常受欢迎！

我想为存储在数据框中的一些数据找到一个自回归模型，我每天有 96 个数据点。这些数据是某些地区的太阳辐照度值，我知道它有 1 天的季节性。我想使用 scikit LinearRegression 获得一个简单的线性模型，并且我想指定要使用哪些滞后数据点。我想使用最后 10 个数据点，加上滞后 97 的数据点，这对应于 24 小时前的数据点。如何指定要使用的滞后系数？我不想有 97 个系数，我只想使用其中的 11 个：前面的 10 个数据点和后面的 97 个数据点。

在自回归连续问题中，当零点过多时，可以将这种情况视为零膨胀问题（即 ZIB）。换句话说，f(x)我们想要拟合我们想要逼近g(x)*f(x)的f(x)函数，而不是拟合 ，即y，并且g(x)是一个输出0到1之间的值的函数，具体取决于值是零还是非零。

目前，我有两个模型。一个给我g(x)的模型和另一个适合的模型g(x)*f(x)。

第一个模型给了我一组权重。这是我需要你帮助的地方。我可以将sample_weights参数与model.fit(). 当我处理大量数据时，我需要使用model.fit_generator(). 不过，fit_generator()没有论据sample_weights。

有什么办法可以在sample_weights里面工作fit_generator()吗？g(x)*f(x)否则，知道我已经有一个训练有素的模型，我怎么能适应g(x)？

我使用以下代码进行了一些预测：

只是为了让您快速查看数据集（df.head()）：

然后我对未来 7 天做出预测：

我得到以下输出：

这是情节的样子：

但我真正想做的是对未来 24 小时而不是未来 7 天做一些预测。我怎样才能做到这一点？我应该如何修改上面的代码？

提前致谢。