Questions marquées «var»

Vector Auto-Regression, un modèle / méthode à séries chronologiques multiples. La VAR est courante en économétrie et permet à chaque série chronologique d'être modélisée en fonction de ses propres valeurs précédentes, ainsi que des valeurs précédentes de chacune des autres séries, simultanément. Ainsi, les séries ont un statut égal.

2
Méthodologie de prévision VAR
Je construis un modèle VAR pour prévoir le prix d'un actif et je voudrais savoir si ma méthode est statistiquement solide, si les tests que j'ai inclus sont pertinents et si d'autres sont nécessaires pour assurer une prévision fiable basée sur mes variables d'entrée. Ci-dessous se trouve mon processus actuel …
19 r  forecasting  modeling  var 
1
Package GBM vs Caret utilisant GBM
J'ai ajusté le modèle à l'aide caret, mais j'ai ensuite réexécuté le modèle à l'aide du gbmpackage. Je crois comprendre que le caretpackage utilise gbmet que la sortie doit être la même. Cependant, un simple test rapide utilisant data(iris)montre une différence dans le modèle d'environ 5% en utilisant RMSE et …
2
Comment modéliser les effets d'un mois à l'autre dans les données de séries chronologiques quotidiennes?
J'ai deux séries chronologiques de données quotidiennes. L'un est sign-upset l'autre terminationsdes abonnements. J'aimerais prédire ce dernier en utilisant les informations contenues dans les deux variables. En regardant le graphique de ces séries, il est évident que les terminaisons sont corrélées aux multiples des inscriptions des mois précédents. Autrement dit, …
4
Modèle d'historique d'événement à temps discret (survie) dans R
J'essaie d'adapter un modèle à temps discret dans R, mais je ne sais pas comment le faire. J'ai lu que vous pouvez organiser la variable dépendante dans différentes lignes, une pour chaque observation de temps, et utiliser la glmfonction avec un lien logit ou cloglog. En ce sens, j'ai trois …
10 r  survival  pca  sas  matlab  neural-networks  r  logistic  spatial  spatial-interaction-model  r  time-series  econometrics  var  statistical-significance  t-test  cross-validation  sample-size  r  regression  optimization  least-squares  constrained-regression  nonparametric  ordinal-data  wilcoxon-signed-rank  references  neural-networks  jags  bugs  hierarchical-bayesian  gaussian-mixture  r  regression  svm  predictive-models  libsvm  scikit-learn  probability  self-study  stata  sample-size  spss  wilcoxon-mann-whitney  survey  ordinal-data  likert  group-differences  r  regression  anova  mathematical-statistics  normal-distribution  random-generation  truncation  repeated-measures  variance  variability  distributions  random-generation  uniform  regression  r  generalized-linear-model  goodness-of-fit  data-visualization  r  time-series  arima  autoregressive  confidence-interval  r  time-series  arima  autocorrelation  seasonality  hypothesis-testing  bayesian  frequentist  uninformative-prior  correlation  matlab  cross-correlation 
1
Pourquoi mes modèles VAR fonctionnent-ils mieux avec des données non stationnaires qu'avec des données stationnaires?
J'utilise la bibliothèque VAR de modèles de statistiques de python pour modéliser les données de séries temporelles financières et certains résultats m'ont laissé perplexe. Je sais que les modèles VAR supposent que les données des séries chronologiques sont stationnaires. J'ai ajusté par inadvertance une série non stationnaire de prix de …
6
Comment estimer la fonction d'autorégression vectorielle et de réponse impulsionnelle avec les données du panel
Je travaille sur l'auto-régression vectorielle (VAR) et l'estimation de la fonction de réponse impulsionnelle (IRF) basée sur des données de panel avec 33 individus sur 77 trimestres. Comment analyser ce type de situation? Quels algorithmes existent à cet effet? Je préférerais effectuer ces analyses en R, donc si quelqu'un connaît …
2
VAR en niveaux pour les données cointégrées
J'ai lu un article qui exprime que les "travaux récents" montrent que nous pouvons utiliser un modèle VAR avec des données brutes I (1) mais il doit y avoir cointégration. Cela signifie qu'il n'y a aucune raison de différencier les données pour la modélisation VAR. Une référence papier à ce …
1
Adapter un modèle VAR avec R [fermé]
Fermé. Cette question est hors sujet . Il n'accepte pas actuellement de réponses. Voulez-vous améliorer cette question? Mettez à jour la question afin qu'elle soit sur le sujet pour la validation croisée. Fermé il y a 2 ans . J'ai une série chronologique bivariée z_toù z_1test la variation des bons …
8 r  time-series  var 
1
Prévision de séries chronologiques hautement corrélées
Dans les prévisions de séries chronologiques utilisant divers modèles comme AR, MA, ARMA, etc., nous nous concentrons généralement sur la modélisation des données dans le changement de temps. Mais lorsque nous avons 2 séries chronologiques dont le coefficient de corrélation de Pearson montre qu'elles sont fortement corrélées, est-il possible de …
2
Qu'est-ce qu'un modèle autorégressif vectoriel?
Je cherche à comprendre cela d'un point de vue managérial. Par exemple, si j'expliquais la régression linéaire, je dirais que c'est une ligne de meilleur ajustement à travers certains points de données et elle peut être utilisée pour prédire une valeur "y" pour une valeur donnée de "x". Y a-t-il …
En utilisant notre site, vous reconnaissez avoir lu et compris notre politique liée aux cookies et notre politique de confidentialité.
Licensed under cc by-sa 3.0 with attribution required.