问个time series forecasting的问题 (转载) - 未名空间MITBBS历史存档

问个time series forecasting的问题 (转载)# DataSciences - 数据科学

m*n2015-06-27 07:06

1 楼

【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？？

w*52015-06-27 07:06

2 楼

【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？

i*s2015-06-27 07:06

3 楼

这个火过一阵，在Benjamin Button电影上映那段时间。
The Curious Case of Benjamin Button

m*a2015-06-27 07:06

4 楼

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？

n*12015-06-27 07:06

5 楼

看来人也有机会长生不老

m*a2015-06-27 07:06

6 楼

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

i*s2015-06-27 07:06

7 楼

嗯

【在 n*1 的大作中提到】

: 看来人也有机会长生不老

w*52015-06-27 07:06

8 楼

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

f*k2015-06-27 07:06

9 楼

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

s*r2015-06-27 07:06

10 楼

bivariate time series?

m*n2015-06-27 07:06

11 楼

修炼成仙的话可以几千年不成问题

k*y2015-06-27 07:06

12 楼

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

i*s2015-06-27 07:06

13 楼

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

m*a2015-06-27 07:06

14 楼

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

f*e2015-06-27 07:06

15 楼

我真的很佩服包子控同学，涉猎太广泛了

g*o2015-06-27 07:06

16 楼

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

I*i2015-06-27 07:06

17 楼

灯塔水母长得很优雅

s*c2015-06-27 07:06

18 楼

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

C*H2015-06-27 07:06

19 楼

TIAN SHAN TONG MU

【在 I***i 的大作中提到】

: 灯塔水母长得很优雅

w*52015-06-27 07:06

20 楼

【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？

i*s2015-06-27 07:06

21 楼

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

m*a2015-06-27 07:06

22 楼

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？

n*22015-06-27 07:06

23 楼

google很强大

m*a2015-06-27 07:06

24 楼

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

a*s2015-06-27 07:06

25 楼

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

w*52015-06-27 07:06

26 楼

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

a*s2015-06-27 07:06

27 楼

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

s*r2015-06-27 07:06

28 楼

bivariate time series?

a*s2015-06-27 07:06

29 楼

学习了。

【在 i*****s 的大作中提到】

: 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

k*y2015-06-27 07:06

30 楼

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

a*s2015-06-27 07:06

31 楼

天山童姥，应该读Lao吧？

【在 C*****H 的大作中提到】

: TIAN SHAN TONG MU

m*a2015-06-27 07:06

32 楼

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

a*s2015-06-27 07:06

33 楼

同意。

【在 n*2 的大作中提到】

: google很强大

g*o2015-06-27 07:06

34 楼

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

s*c2015-06-27 07:06

35 楼

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

r*n2015-06-27 07:06

36 楼

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？