Redian新闻
>
问个time series forecasting的问题 (转载)
avatar
问个time series forecasting的问题 (转载)# DataSciences - 数据科学
m*n
1
【 以下文字转载自 Joke 讨论区 】
发信人: csboy2007 (我叫包守腿,小名一筒,宇宙无敌包子控), 信区: Joke
标 题: 【世界上唯一一种长生不老的物种】
发信站: BBS 未名空间站 (Tue Aug 7 11:35:30 2012, 美东)
灯塔水母的雌性性成熟后,就会返老还童(不知道是瞬间的还是逐渐的)然后重新长大
,循环往复,这种水母是唯一一种只要不被吃掉或病死,在理论上就会长生不老的生物
。科学家也在进一步研究原因。(转)你羡慕了吗??
avatar
w*5
2
【 以下文字转载自 Statistics 讨论区 】
发信人: wuming2015 (wuming2015), 信区: Statistics
标 题: 问个time series forecasting的问题
发信站: BBS 未名空间站 (Sat Jun 27 21:56:08 2015, 美东)
有两个时间序列,一个是股票daily价格,一个是未知来源的数据(也是daily)。两个
序列长度一样,怎么判断这个未知来源的数据对股票价格有预测作用?
假设做一个简单的regression,需要把两个时间序列的trend去掉吗?
avatar
i*s
3
这个火过一阵,在Benjamin Button电影上映那段时间。
The Curious Case of Benjamin Button
avatar
m*a
4
最简单的办法是,一作纵轴,一作横轴,把散点图画出来看,一目了然
次最简单的办法是算一下关联
次次最简单就是去掉各自的OUTLIER, 再看关联
最后,拿未知来源作变量去作一个预测估价的模型,看模型质量,如R值等 - 通常统计科
班的作法,但从来没有一个统一而固定的判据

【在 w********5 的大作中提到】
: 【 以下文字转载自 Statistics 讨论区 】
: 发信人: wuming2015 (wuming2015), 信区: Statistics
: 标 题: 问个time series forecasting的问题
: 发信站: BBS 未名空间站 (Sat Jun 27 21:56:08 2015, 美东)
: 有两个时间序列,一个是股票daily价格,一个是未知来源的数据(也是daily)。两个
: 序列长度一样,怎么判断这个未知来源的数据对股票价格有预测作用?
: 假设做一个简单的regression,需要把两个时间序列的trend去掉吗?

avatar
n*1
5
看来人也有机会长生不老
avatar
m*a
6
忘了提了, 作模型的话可能需要考虑时间延迟的问题

【在 m******a 的大作中提到】
: 最简单的办法是,一作纵轴,一作横轴,把散点图画出来看,一目了然
: 次最简单的办法是算一下关联
: 次次最简单就是去掉各自的OUTLIER, 再看关联
: 最后,拿未知来源作变量去作一个预测估价的模型,看模型质量,如R值等 - 通常统计科
: 班的作法,但从来没有一个统一而固定的判据

avatar
i*s
7


【在 n*1 的大作中提到】
: 看来人也有机会长生不老
avatar
w*5
8
这样做会有Spurious Regression的问题吧?

【在 m******a 的大作中提到】
: 最简单的办法是,一作纵轴,一作横轴,把散点图画出来看,一目了然
: 次最简单的办法是算一下关联
: 次次最简单就是去掉各自的OUTLIER, 再看关联
: 最后,拿未知来源作变量去作一个预测估价的模型,看模型质量,如R值等 - 通常统计科
: 班的作法,但从来没有一个统一而固定的判据

avatar
f*k
9
一直好奇树的寿命有多久?如果不被雷劈,虫蛀,山火烧,干死或淹死的话
avatar
s*r
10
bivariate time series?
avatar
m*n
11
修炼成仙的话可以几千年不成问题
avatar
k*y
12
cointegration & Granger-causality (必要的话可以加上structural break或者
nonlinear GC)
不过是econ的方法,大概只能判断series A对 series B有没有预测(解释)作用;但
是真的用来预测的话,效果就不知道了
avatar
i*s
13
有千年兰,活一千年。树就长得多,美国最长寿的树有4800岁。
http://en.wikipedia.org/wiki/List_of_oldest_trees

【在 f******k 的大作中提到】
: 一直好奇树的寿命有多久?如果不被雷劈,虫蛀,山火烧,干死或淹死的话
avatar
m*a
14
真服了你们这帮学统计的
本来很简单的东西
非得造出一堆没用的名词
要不是有 WIKI 在
还不得把你们敬成神了

【在 k**y 的大作中提到】
: cointegration & Granger-causality (必要的话可以加上structural break或者
: nonlinear GC)
: 不过是econ的方法,大概只能判断series A对 series B有没有预测(解释)作用;但
: 是真的用来预测的话,效果就不知道了

avatar
f*e
15
我真的很佩服包子控同学,涉猎太广泛了
avatar
g*o
16
有病早点治

【在 m******a 的大作中提到】
: 真服了你们这帮学统计的
: 本来很简单的东西
: 非得造出一堆没用的名词
: 要不是有 WIKI 在
: 还不得把你们敬成神了

avatar
I*i
17
灯塔水母长得很优雅
avatar
s*c
18
我也是学统计出身,貌似这个就是一个correlation testing的问题。。。无非pearson
/spearman/kendall这几个test吧,具体哪个更适用要看数据了。
名字术语倒也不是没有用,只是有点用牛刀杀鸡的感觉。。。

【在 m******a 的大作中提到】
: 真服了你们这帮学统计的
: 本来很简单的东西
: 非得造出一堆没用的名词
: 要不是有 WIKI 在
: 还不得把你们敬成神了

avatar
C*H
19
TIAN SHAN TONG MU

【在 I***i 的大作中提到】
: 灯塔水母长得很优雅
avatar
w*5
20
【 以下文字转载自 Statistics 讨论区 】
发信人: wuming2015 (wuming2015), 信区: Statistics
标 题: 问个time series forecasting的问题
发信站: BBS 未名空间站 (Sat Jun 27 21:56:08 2015, 美东)
有两个时间序列,一个是股票daily价格,一个是未知来源的数据(也是daily)。两个
序列长度一样,怎么判断这个未知来源的数据对股票价格有预测作用?
假设做一个简单的regression,需要把两个时间序列的trend去掉吗?
avatar
i*s
21
Google啊,不需涉猎,只需古狗

【在 f*******e 的大作中提到】
: 我真的很佩服包子控同学,涉猎太广泛了
avatar
m*a
22
最简单的办法是,一作纵轴,一作横轴,把散点图画出来看,一目了然
次最简单的办法是算一下关联
次次最简单就是去掉各自的OUTLIER, 再看关联
最后,拿未知来源作变量去作一个预测估价的模型,看模型质量,如R值等 - 通常统计科
班的作法,但从来没有一个统一而固定的判据

【在 w********5 的大作中提到】
: 【 以下文字转载自 Statistics 讨论区 】
: 发信人: wuming2015 (wuming2015), 信区: Statistics
: 标 题: 问个time series forecasting的问题
: 发信站: BBS 未名空间站 (Sat Jun 27 21:56:08 2015, 美东)
: 有两个时间序列,一个是股票daily价格,一个是未知来源的数据(也是daily)。两个
: 序列长度一样,怎么判断这个未知来源的数据对股票价格有预测作用?
: 假设做一个简单的regression,需要把两个时间序列的trend去掉吗?

avatar
n*2
23
google很强大
avatar
m*a
24
忘了提了, 作模型的话可能需要考虑时间延迟的问题

【在 m******a 的大作中提到】
: 最简单的办法是,一作纵轴,一作横轴,把散点图画出来看,一目了然
: 次最简单的办法是算一下关联
: 次次最简单就是去掉各自的OUTLIER, 再看关联
: 最后,拿未知来源作变量去作一个预测估价的模型,看模型质量,如R值等 - 通常统计科
: 班的作法,但从来没有一个统一而固定的判据

avatar
a*s
25
长生不死会厌倦的,不生病痛来得更实际。

【在 n*1 的大作中提到】
: 看来人也有机会长生不老
avatar
w*5
26
这样做会有Spurious Regression的问题吧?

【在 m******a 的大作中提到】
: 最简单的办法是,一作纵轴,一作横轴,把散点图画出来看,一目了然
: 次最简单的办法是算一下关联
: 次次最简单就是去掉各自的OUTLIER, 再看关联
: 最后,拿未知来源作变量去作一个预测估价的模型,看模型质量,如R值等 - 通常统计科
: 班的作法,但从来没有一个统一而固定的判据

avatar
a*s
27
同生同死也可以,失去的少了,恐惧就少。

【在 n*1 的大作中提到】
: 看来人也有机会长生不老
avatar
s*r
28
bivariate time series?
avatar
k*y
30
cointegration & Granger-causality (必要的话可以加上structural break或者
nonlinear GC)
不过是econ的方法,大概只能判断series A对 series B有没有预测(解释)作用;但
是真的用来预测的话,效果就不知道了
avatar
a*s
31
天山童姥,应该读Lao吧?

【在 C*****H 的大作中提到】
: TIAN SHAN TONG MU
avatar
m*a
32
真服了你们这帮学统计的
本来很简单的东西
非得造出一堆没用的名词
要不是有 WIKI 在
还不得把你们敬成神了

【在 k**y 的大作中提到】
: cointegration & Granger-causality (必要的话可以加上structural break或者
: nonlinear GC)
: 不过是econ的方法,大概只能判断series A对 series B有没有预测(解释)作用;但
: 是真的用来预测的话,效果就不知道了

avatar
a*s
33
同意。

【在 n*2 的大作中提到】
: google很强大
avatar
g*o
34
有病早点治

【在 m******a 的大作中提到】
: 真服了你们这帮学统计的
: 本来很简单的东西
: 非得造出一堆没用的名词
: 要不是有 WIKI 在
: 还不得把你们敬成神了

avatar
s*c
35
我也是学统计出身,貌似这个就是一个correlation testing的问题。。。无非pearson
/spearman/kendall这几个test吧,具体哪个更适用要看数据了。
名字术语倒也不是没有用,只是有点用牛刀杀鸡的感觉。。。

【在 m******a 的大作中提到】
: 真服了你们这帮学统计的
: 本来很简单的东西
: 非得造出一堆没用的名词
: 要不是有 WIKI 在
: 还不得把你们敬成神了

avatar
r*n
36
Lead / lag regression + AIC 选 Lead/ lag 变量,根据变量判断是否有 causality
关系

【在 w********5 的大作中提到】
: 这样做会有Spurious Regression的问题吧?
相关阅读
logo
联系我们隐私协议©2024 redian.news
Redian新闻
Redian.news刊载任何文章,不代表同意其说法或描述,仅为提供更多信息,也不构成任何建议。文章信息的合法性及真实性由其作者负责,与Redian.news及其运营公司无关。欢迎投稿,如发现稿件侵权,或作者不愿在本网发表文章,请版权拥有者通知本网处理。