※ 引述《[email protected] (老怪物)》之銘言:
: ※ 引述《[email protected] (Giberto)》之銘言:
: > 各位好 我想請問一下預測的問題
: > 我在於每一個t時間點取一個觀測值(也可以稱為實際測量值吧) xt
: > 也就是會有 1 ~ n 的時間點 會取得 x ~ xn 個觀測值
: > ex.. n = 1 ~ 10 x = 50, 55, 57,...ect(有10筆資料)
: > 然後這10比資料的變化
: > 都是透過前一筆的隨機增加或是減少
: ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^何意?
: 又何以得知?
我猜原po想表達的是,
他認為這些時間數列資料的走勢是類似AR(1)的時間數列模式
亦即
X(t)=a0+a1*X(t-1)+ε(t), 其中ε(t)為white noise
但如同老怪物的質疑,
你憑什麼確定每筆時間數列資料值與前一筆資料有很強的相關性?
你有去檢驗這件事嗎?(如何檢驗請查書,如acf,pacf,....)
: > ex..50, 55, 57, 62, 59, 54...
: > 不會從100跳到0或跳到200
: > 然後我需要預測n+1時間點的值
: > 不知道用哪一套預測方法會比較準確呢
: ^^^^^^^^^^^^^^^^^^^^^^^^^我懷疑有人能保證
: 哪種方法較準確.
沒人能告訴你那種預測方法會比較準確.
你應該回到問題本身,
每個時間數列有他特殊的特性,
你的資料是time domain,如日,月,季,年;或是frequency domain,如震波,音波;
在學界有不同的配適模式方法.
例如若是屬time domain的資料,
你可能可以採古典分解法,arima,arch,garch,...等來配適資料可能的型態;
若是屬frequency domain的資料,
則可能要考慮spectral analysis.
我還是覺得,要嘛你就把你的問題講清楚,
要不就去找time series的書好好的看一下,
思而不學則殆,不是每個人都像老怪物那樣這麼好心會回你的問題.
另外,勉強要說什麼預測方法比較準確,
一般的作法是這樣:
1.先搞清楚你的資料型態適合用什麼模式來配適,
舉例來說,有模式A和模式B,你認為都可以拿來預測你這筆時間數列資料,
2.我們可以先保留原始資料後k筆,
再以模式A的後k筆資料配適值和原始資料後k筆值的差值為基礎,
來計算其對應的MAE,MSE,MAPE,MSPE,或是AIC.....等最適模式評估準則,
接著再依上述評估準則來比較不同模式的優劣,並選出最適模式
3.以最適模式再進行預測
個人淺見.頭昏腦脹,隨意亂打.....有錯請指正!
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 218.160.186.180