Temat: Analiza szeregów czasowych i progrnozowanie - podręcznik

Cześć.

Czy ktoś z szacownego grona mógłby polecić mi podręcznik, który pozwoli się wgryźć w tajniki modelowania szeregów czasowych? Optymalnie, gdyby był to podręcznik dość "idiotoodporny", z dużą ilością przykładów, poruszający temat dogłębnie i krok po kroku.

Jak na razie zdobyłem następujące pozycje:

Peter J. Brockwell, Richard A. Davis - "Introduction to Time Series and Forecasting,"
Robert Yaffee - "Introduction to Time Series Analysis and Forecasting with Applications of SAS and SPSS".

Obie są w porządku, ale przegryzanie się przez nie zajmuje mi trochę czasu. Zastanawiam się, czy jest ktoś, kto ugryzł temat w nieco bardziej przystępny sposób.

Z góry dzięki!
Piotr Ocalewicz

Piotr Ocalewicz Statystyka, Analiza
Danych, Data Mining,
Raportowanie

Temat: Analiza szeregów czasowych i progrnozowanie - podręcznik

Korzystałem kiedyś z ciekawej strony www.otexts.org/fpp. Mało tam podstaw teoretycznych, jest bardziej nastawiona na praktyczne zastosowania. Żadnej fajnej "biblii" prognozowania nie miałem w rękach, ale poszperam i jak coś znajdę to dam Ci znać.

Temat: Analiza szeregów czasowych i progrnozowanie - podręcznik

Piotr, dzięki! Wygląda bardzo fajnie. M/w o coś takiego mi chodziło!
Artur Suchwałko

Artur Suchwałko QuantUp: właściciel,
trener, data
scientist ///
MedicWave...

Temat: Analiza szeregów czasowych i progrnozowanie - podręcznik

Na początku listopada zostanie wydany przez PWN - analiza i prognozowanie szeregów czasowych z wykorzystaniem R. Ale więcej nie mogę powiedzieć ;-)
Artur Suchwałko

Artur Suchwałko QuantUp: właściciel,
trener, data
scientist ///
MedicWave...

Temat: Analiza szeregów czasowych i progrnozowanie - podręcznik

Teraz już mogę podać konkretne namiary na książkę:
"Analiza i prognozowanie szeregów czasowych. Wprowadzenie na podstawie środowiska R", A. Zagdański, A. Suchwałko, PWN, 2015
http://ksiegarnia.pwn.pl/produkt/286914/analiza-i-prog...

Temat: Analiza szeregów czasowych i progrnozowanie - podręcznik

Artur S.:
Teraz już mogę podać konkretne namiary na książkę:
"Analiza i prognozowanie szeregów czasowych. Wprowadzenie na podstawie środowiska R", A. Zagdański, A. Suchwałko, PWN, 2015
http://ksiegarnia.pwn.pl/produkt/286914/analiza-i-prog...

Super, tego faktycznie brakowało!
Kupię na pewno :)
Artur Suchwałko

Artur Suchwałko QuantUp: właściciel,
trener, data
scientist ///
MedicWave...

Temat: Analiza szeregów czasowych i progrnozowanie - podręcznik

Link do strony książki, tam jest więcej informacji o niej:
http://quantup.pl/o-nas/ksiazka-szeregi-czasowe/

Przygotowaliśmy jeszcze jedną książkę. Tym razem to case studies z analizy i prognozowania szeregów czasowych. Na razie dostępna jest pierwsza część:
http://quantup.pl/2016/08/03/bez-kategorii/analiza-i-p...

konto usunięte

Temat: Analiza szeregów czasowych i progrnozowanie - podręcznik

Artur S.:
http://quantup.pl/2016/08/03/bez-kategorii/analiza-i-p...
Panowie,
jeśli już chcecie coś publikować, to jednak zawsze NALEŻY przesłać komuś tekst do recenzji wydawniczej. Najlepiej zaś komuś, kto się analizą szeregów czasowych zajmuje.

Oto tylko jeden cytat:
"Wykres 5.6 pokazuje, że nie udało się uzyskać końcowych reszt będących białym szumem: na wykresie funkcji autokorelacji (ACF) widoczne są istotne autokorelacje, świadczące o tym, że założenie o białoszumowości reszt nie jest spełnione."

Otóż Panowie: do stwierdzenia białoszumowości procesu (resztowego) służy funkcja PACF a nie ACF.

I tak na marginesie tylko: nie funkcjonuje w polskim słowniku z zakresu ekonometrii i szeregów czasowych pojęcie "autokorelogram".

MB

Tutaj prosta numeryczna odpowiedź (skrypt dla programu gretl). Dlaczego tak jest od strony teoretycznej? Odsyłam do literatury:

set echo off
set messages off

nulldata 100
setobs 1 1 --special-time-series

scalar rzad = 20
scalar krytyczna = 0.195996
scalar ACF_przekroczenie = 0
scalar PACF_przekroczenie = 0
scalar powtorzenia = 10000

loop powtorzenia --quiet
series X = 0.25 + normal()
wynik = corrgm(X, rzad)
loop for i=1..rzad --quiet
if abs(wynik[i,1]) >= krytyczna
ACF_przekroczenie += 1
break
endif
endloop
loop for i=1..rzad --quiet
if abs(wynik[i,2]) >= krytyczna
PACF_przekroczenie += 1
break
endif
endloop
endloop

print "Procent odrzuceń H0 o braku autokorelacji:"
printf "ACF: %2.2f\n", 100*ACF_przekroczenie/powtorzenia
printf "PACF: %2.2f\n", 100*PACF_przekroczenie/powtorzeniaTen post został edytowany przez Autora dnia 05.08.16 o godzinie 10:46
Artur Suchwałko

Artur Suchwałko QuantUp: właściciel,
trener, data
scientist ///
MedicWave...

Temat: Analiza szeregów czasowych i progrnozowanie - podręcznik

Panie Marcinie,

Dziękuję, że zainteresował się Pan naszą publikacją (case studies z analizy i prognozowania szeregów czasowych) i poświęcił czas na napisanie uwag, które potencjalnie mogą ulepszyć nasze ogólnodostępne materiały. Napisanie kawałka kodu lub jego znalezienie też zajmuje czas.

Odnośnie Pana uwagi dotyczącej weryfikacji losowości reszt:

W tym przypadku wykorzystywany był graficzny test białoszumowości, bazujący na wykresie funkcji autokorelacji (ACF). Podstawą stosowania tego narzędzia są rezultaty teoretyczne dotyczące własności asymptotycznych estymatora funkcji autokorelacji (np. [1]: Theorem 7.2.1 i 7.2.2 oraz Example 7.2.1).

Oczywiście takie podejście nie jest formalnym testem statystycznym i ma pewne wady/ograniczenia (w szczególności nie jest uwzględniona poprawka na testowanie wielokrotne). Z drugiej strony, graficzna analiza białoszumowości reszt na podstawie wykresu ACF jest rutynowo stosowana przez praktyków, zajmujących się analizą i prognozowaniem szeregów czasowych (np. rozdz. 5.3.2 w [2], rozdz. 5.4 w [3]).

Ponieważ (jak to jest zaznaczone we wstępie) nasza publikacja nie ma charakteru podręcznika, nie znalazły się w niej szczegółowe informacje nt. innych (bardziej zaawansowanych) narzędzi wykorzystywanych do oceny losowości reszt, takich jak formalne testy statystyczne itp. Zainteresowanych Czytelników odsyłamy do naszego wydanego w PWN podręcznika [4], gdzie można znaleźć więcej informacji na ten temat.

Mamy nadzieję, że udało nam się wyjaśnić Pańskie wątpliwości.

Jeżeli to się nie udało albo ma Pan inne uwagi, to prosimy o kontakt na priv. Nie podejmujemy się dalszej szczegółowej dyskusji merytorycznej na forum GL.

[1] P. Brockwell, R. Davis „Time Series: Theory and Methods”, Springer,1991.
[2] P. Brockwell, R. Davis „Introduction to Time Series and Forecasting”, Springer, 2002.
[3] R. Hyndman, G.A thanasopoulos, G. (2013) Forecasting: principles and practice. OTexts: Melbourne, Australia. Section 5/4: https://www.otexts.org/fpp/5/4
[4] A. Zagdański, A. Suchwałko, Analiza i prognozowanie szeregów czasowych. Praktyczne wprowadzenie na podstawie środowiska R”, PWN, 2015.

Pozdrawiamy,
Artur Suchwałko, Adam Zagdański

konto usunięte

Temat: Analiza szeregów czasowych i progrnozowanie - podręcznik

Artur S.:
W tym przypadku wykorzystywany był graficzny test białoszumowości, bazujący na wykresie funkcji autokorelacji (ACF). Podstawą stosowania tego narzędzia są rezultaty
Ja wiem co Panowie chcieliście zrobić, gdyż ośrodek toruński analizą szeregów czasowych zajmuje się od wczesnych lat 80-tych. I kolejny raz mówię: weryfikacji braku autokorelacji (liniowej) w oparciu o korelogram dokonuje się na podstawie funkcji PACF a nie ACF.

I tyle. Wyjaśnienie formalne (bo nie dowód, wszak wynika to z konstrukcji tych dwóch funkcji), o ile pamiętam, jest w Box, Jenkins, Time series analysis (było wydanie polskie). W polskim piśmiennictwie z lat 90-tych też będzie, ale z głowy nie podam tytułów.

MB
Artur Suchwałko

Artur Suchwałko QuantUp: właściciel,
trener, data
scientist ///
MedicWave...

Temat: Analiza szeregów czasowych i progrnozowanie - podręcznik

Marcin Jan B.:
Artur S.:
W tym przypadku wykorzystywany był graficzny test białoszumowości, bazujący na wykresie funkcji autokorelacji (ACF). Podstawą stosowania tego narzędzia są rezultaty
Ja wiem co Panowie chcieliście zrobić, gdyż ośrodek toruński analizą szeregów czasowych zajmuje się od wczesnych lat 80-tych. I kolejny raz mówię: weryfikacji braku autokorelacji (liniowej) w oparciu o korelogram dokonuje się na podstawie funkcji PACF a nie ACF.

I tyle. Wyjaśnienie formalne (bo nie dowód, wszak wynika to z konstrukcji tych dwóch funkcji), o ile pamiętam, jest w Box, Jenkins, Time series analysis (było wydanie polskie). W polskim piśmiennictwie z lat 90-tych też będzie, ale z głowy nie podam tytułów.

Widzę, że nie chce Pan przenieść dyskusji na priva.

W odpowiedzi powołaliśmy się na konkretne informacje z konkretnych źródeł. Jeśli ma Pan inne informacje lub argumenty, to proszę o ich precyzyjne wskazanie (książka / artykuł, rozdział / strona / twierdzenie).

W książce Boxa-Jenkinsa ([1]: Rozdz.8.2.1) jest np. przestroga, że używanie asymptotycznego odch. stand. 1/sqrt(n) może nie dawać poprawnych wniosków dot. istotności ACF dla małych opóźnień. Ale wg nas to nie jest kluczowe w proponowanym podejściu.

Tak, czy inaczej, pisaliśmy o nieformalnym teście, pozwalającym na wykrycie "grubych" odstępstw od białoszumowości.

Czytelnikom tej dyskusji zostawiam rozstrzygnięcie, kto ma rację. Ta odpowiedź kończy dyskusję z naszej strony.

[1] G. E. P. Box, G. M. Jenkins, and G. C. Reinsel. Prentice Hall, Englewood Cliff, N.J., 3rd edition, 1994.

Pozdrawiamy,
AS, AZ



Wyślij zaproszenie do