时间序列/状态空间模型概念

我想预测一个值。我有一个时间序列以及其他一系列时间序列，可能会有助于加强预测。时间序列/状态空间模型概念

有人与我争辩说，找到2个非平稳时间序列之间的相关性，并通过某种差异使两个平稳时间序列相关时，找到相关性是同样的事情。他们的逻辑是，状态空间模型不关心。

回归的全部想法是利用相关性来预测值吗？是否必须存在相关性，以便在数据中包含方差解释，而不是增加预测方差？另外，我100％相信，发现两个非平稳时间序列之间没有做任何事情之间的相关性是错误的......而且你最终会得到时间相关性而不是变量本身。

任何输入都有帮助。谢谢。

来源

2016-05-26 Zsakul

取决于稍后使用的模型。你说必须存在相关性，否则预测的方差会增加。这可能适用于某些型号。相反，我建议你去选择一些模型选择的模型。

想想LASSO，例如，为系数提供稀疏向量。或者考虑一个模型，允许您计算变量重要性并根据该结果做出决策。

其次，让我们做一些数学：

相关原始= E [X（t）的* Y（t）的]

相关差分= E [（X（t）的-X（T-1 （t））*（Y（t）-Y（t-1））] = E [X（t）Y（t）] + E [X 1）Y（t-1）] + E [X（t）Y（t-1）]

如果您假定一个时间序列与其他时间序列先前样本不相关，（t-1）Y（t-1）]

来源

2016-05-27 07:41:28

感谢您的评论。我在谈论将变量强制到模型中时的方差增加，以及没有对数据中的重要变量和解释进行任何检查。你不能只是抛出变数......即使存在一定的相关性和对最好的希望。我的推理是否正确，为什么你不计算两个时间序列之间的相关性而不先使它们平稳？你正在发现与时间/共同或逆向趋势的相关性？我的意思是任何随时间推移的时间序列都会与任何增加的函数有极大的相关性 – Zsakul

时间序列/状态空间模型概念

回答

相关问题