问题标签 [autoregressive-models]

我正在寻找使用可在此处下载的天然气季节性数据构建 ARMA 模型。

所以：

接下来我np.asarray()在 DataFrame 上应用 data =：

然后实例化ARMA：

当我尝试适应时：

我得到：

必须做什么才能处理数据中的浮点值？

统计模型版本：0.6.1

在 MATLAB 中，如果我有一些信号，可以x说

我想通过使用 order 的 Autoregressive (AR) filtery过滤来生成。我怎样才能找到？因为自回归滤波器需要过去的输出值进行计算，但我还没有任何过去的输出。我只有输入样本。xMy(n)x

在移动平均 (MA) 滤波器中，我可以y(n)轻松生成，因为它只需要我可以轻松提供的过去输入，因为我们有x，如下

谁能帮我为自回归过滤器生成相同的东西？

我希望为每个 phi 生成一个带有参数 (3,0,5) 的 AR(3) 模型。这是非平稳的，arima.sim 给出了错误

有没有办法在 R 中做到这一点？

不知何故，我无法生成 IRF 的实际基础值。请参阅简单 VAR 模型的代码。

irf5<-irf(var2, impulse = "libor", response = "y", n.ahead = 10, ortho = TRUE, boot = TRUE, CI = 0.95, runs = 100)

我可以使用以下代码生成生成的 IRF 图：

但是，我无法生成基础值。我想这样做以获得精确的数字。直观地解释 IRF 并不那么准确。使用 summary() 并没有为我提供此信息。

N00B 问题，但是什么是更有效的方法呢？我只是想计算模型中所有 36 个参数排列的测试统计数据。

这样做真的很愚蠢

在某些情况下，我必须手动进行预测，这意味着使用模型的公式。对于 AR(p) 模型，这很容易。但是对于 ARIMA 模型 (p, d, q)，d> = 1，我有点困难。下面的例子，我用模型 AR(2) 计算。我有 1990 年到 2010 年的系列，我需要 2011 年的预测：

我收到了模型AR(2)的计算公式：

我对 2011 年的预测：

但是，当我拟合 ARIMA 模型（2,1,0）时：

当d = 1时我不知道如何写公式？还有一个问题，为什么当我用 function 进行预测时forecast()，结果与 - 当我用公式计算时不同？

我正在尝试对AR(1) 过程进行建模，该过程以一定的概率生成二元观察。

我已经实现了一个粒子过滤器（顺序重要性重采样），但它的行为似乎很奇怪。

定义一些辅助函数后：

我生成潜在变量：

它通过 sigmoid 链接生成观察到的二进制数据：

然后这是我的粒子过滤器代码：

在这里，我的建议被定义为

虽然实际模型是

我看到粒子数量多和少的情况是，对基础状态的估计是离散的和跳跃的。两幅图像的加权平均值估计值：

当我不重新采样时，我看不到这个：

这种行为可能是什么原因？是预期的还是代码中有错误？

_{（安装相关模块后，提供的代码应该开箱即用）}

I want to run a customized function based on ARIMA model. The function calls the ma3 coefficient from ARIMA (2, 0, 3) model ran on daily data of a year and subtracts ma3 coefficient from 2, for every firm. I have 5 years daily data for five firms, so each firm should have 5 year-wise values. My code:

Running my code gives the following error:

I know the result can be estimated manually but my data set is large enough to be confusing when handled manually. Please suggest an edit to fix this.

是否有任何 C++ 库允许计算时间序列的 ARMA？经过几次搜索尝试后，我无法找到任何内容。

谢谢！

我试图了解ar()“stats”包的功能与通过基本lm()函数在常规线性回归中简单地使用滞后变量有何不同。

我跑过：

哪个返回：

系数：1 2 3
0.6534 -0.0636 -0.2269

所以我认为这意味着推荐的模型是 AR(3)。如果我的理解是正确的，这意味着数据可以通过因变量上的 lag1、lag2 和 lag3 得到很好的解释（作为复制 AR(3) 结构的一种方式）。所以我运行了以下代码：

哪个返回：

但是 lag2 和 lag3 根本没有统计学意义。我知道 ar() 并不是为您在 OLS 回归中找到最佳参数而设计的，但我认为这个想法大致相同。那么我对 AR 有什么误解？