问题标签 [autoregressive-models]

我有与以下帖子相同的问题，但我有更多样本并且异常值的索引是已知的。

https://stats.stackexchange.com/questions/73304/outlier-treatment-in-vector-autoregression-var-model?newreg=31eda9f1618047dcba346fdcb8014dcb

我尝试删除异常值；有用。我还想尝试为异常值包含虚拟变量（虚拟变量在异常值上取值为 1，否则为零）并比较两种处理方法。我想这样做的一个原因是 t1 的特殊事件也可能影响 t2 的响应变量 y2。但是，它对 t2 的影响不够显着，因此 y2 不是异常值。

Question：R 包中的 VARvars返回“y 中的 NAs”。我猜是因为虚拟变量包含很多零。我不知道如何解决它。提前致谢。

为了生成自回归模型，我们有 aryule() 命令，我们还可以使用过滤器估计 AR 模型。但是如何生成 MA 模型？例如，有人可以展示如何生成 MA(20) 模型吗？我找不到任何合适的技术来做到这一点。噪声是从非线性映射生成的

因此，MA 模型将在epsilon期限内回归。

Q1：如果 MA 模型的代码和函数形式最好使用上述噪声模型显示为 MA(20)，那将​​非常有帮助。

Q2：这就是我使用随机噪声生成 AR(20) 的方式，但不知道如何使用上述等式作为噪声，而不是对 MA 和 AR 使用 rand

我设法估计了一些 ARIMA 模型，得到了系数，但只是想知道是否有一种简单的方法可以使用估计的系数来绘制序列？

所以我得

我可以从估计值 (2,2,0) 中调用系数，但是我必须自己手动创建系列，就像我之前对不同系列所做的那样：

你知道更简单的方法吗？现在我有 4 个系列，如果我想要更多，可能会很乏味。非常感谢！

我mts对它很陌生，但它的例子似乎VARMACpp不能使用，VARMACpp而不是VARMA
例子是：

作品！与VARMACpp

返回以下无法解决的错误：

我想写一个关于时间迭代方差的代码。该函数应如下所示：

sigma(t)=alpha x(t-1)+beta sigma(t-1)

不幸的是，我无法弄清楚如何在我的 for 循环中引入这个时间组件。有谁知道如何处理这种问题？

VAR 模型将单变量自回归 (AR) 模型推广到多个时间序列。我想实现一个向量自回归模型，它根据时间 t 的观察概述了以下公式：

x(t) = c + (t-1)∑(i ​​= t + T)* a(i)x(i) + €(t)

a(i) = 模型参数 €(t) = 高斯噪声

我使用的数据非常大，所以我不会发布它，但我需要帮助的一件事是输出任何合成数据的邻接矩阵。这就是我所拥有的：

我刚刚使用easy_install -U statsmodels 下载了Statsmodels 0.6.1，即我选择升级我现有的statsmodels。我使用 OS X/anaconda/spyder。

运行我的导入时，python 仍然导入旧版本的 statsmodels。

但不导入 arma_order_select_ic，它是新版本 statsmodels 的一部分。

我是否需要删除目录中旧版本的 statsmodels 以便 python 使用新版本？

我试过了，但后来我的一些计算改变了它们的输出，尤其是 ARMA 参数的选择过程。

我还尝试将 stattools.py 复制到我的目录中，但随后无法导入 stattools.py，因为它们位于无法导入的新 statsmodels 文件夹中。

所以我想在一个代码中运行两个 statsmodels 版本！那可能吗？

或者，我可以将整个新 statsmodels 文件夹的别名/链接放入另一个目录并从那里调用它（我试过，但它不会工作）

我知道这听起来令人困惑，但确实如此。

希望有人很好并帮助新手。

干杯

时间序列的 ARMA 预测摘要 ( print arma_mod.summary()) 显示了一些关于置信区间的数字。是否可以在显示预测值的图中使用这些数字作为预测区间？

我猜代码：

在这里找到：模型预测的置信区间

...不适用于此处，因为它是为 OLS 而不是 ARMA 预测而设计的。我还检查了 github，但没有发现任何可能与时间序列预测有关的新内容。

（我想进行预测需要预测间隔，尤其是在样本外预测时。）

帮助表示赞赏。

我似乎找不到正确的方法来模拟均值不为零的 AR(1) 时间序列。我需要 53 个数据点，rho = .8，平均值 = 300。

但是，arima.sim(list(order=c(1,0,0), ar=.8), n=53, mean=300, sd=21) 给了我 1500 年代的价值。例如：

1480.099 1480.518 1501.794 1509.464 1499.965 1489.545 1482.367 1505.103（以此类推）

我也尝试过 arima.sim(n=52, model=list(ar=c(.8)), start.innov=300, n.start=1) ，但它只是像这样倒计时：

238.81775870 190.19203239 151.91292491 122.09682547 96.27074057 [6] 77.17105923 63.15148491 50.04211711 39.68465916 32.46837830 24.78357345 21.27437183 15.93486092 13.40199333 10.99762449 8.70208879 5.62264196 3.15086491 2.13809323 1.30009732

我已经尝试过arima.sim(list(order=c(1,0,0), ar=.8), n=53,sd=21) + 300，这似乎给出了正确的答案。例如：

280.6420 247.3219 292.4309 289.8923 261.5347 279.6198 290.6622 295.0501 264.4233 273.8532 261.9590 278.0217 300.6825 291.4469 291.5964 293.5710 285.0330 274.5732 285.2396 298.0211 319.9195 324.0424 342.2192 353.8149 and so on..

但是，我怀疑这是在做正确的事情吗？那么它仍然会自动关联到正确的数字吗？

我正在尝试开始在 statsmodels 中使用 AR 模型。但是，我似乎做错了什么。考虑以下示例，该示例失败：

我认为这应该只是继续由一个组成的（微不足道的）时间序列。但是，在这种情况下，它似乎返回的参数不够。len(ar_res.params)等于 4，而它应该是 5。在以下示例中，它有效：

我觉得这可能是一个错误，但我不确定，因为我没有使用该软件包的经验。也许有更多经验的人可以帮助我......

编辑：我在这里报告了这个问题。