※ 引述《[email protected] (老怪物)》之铭言： : ※ 引述《[email protected] (Giberto)》之铭言： : > 各位好 我想请问一下预测的问题 : > 我在於每一个t时间点取一个观测值(也可以称为实际测量值吧) xt : > 也就是会有 1 ~ n 的时间点 会取得 x ~ xn 个观测值 : > ex.. n = 1 ~ 10 x = 50, 55, 57,...ect(有10笔资料) : > 然後这10比资料的变化 : > 都是透过前一笔的随机增加或是减少 : ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^何意? : 又何以得知? 我猜原po想表达的是, 他认为这些时间数列资料的走势是类似AR(1)的时间数列模式 亦即 X(t)=a0+a1*X(t-1)+ε(t), 其中ε(t)为white noise 但如同老怪物的质疑, 你凭什麽确定每笔时间数列资料值与前一笔资料有很强的相关性? 你有去检验这件事吗?(如何检验请查书,如acf,pacf,....) : > ex..50, 55, 57, 62, 59, 54... : > 不会从100跳到0或跳到200 : > 然後我需要预测n+1时间点的值 : > 不知道用哪一套预测方法会比较准确呢 : ^^^^^^^^^^^^^^^^^^^^^^^^^我怀疑有人能保证 : 哪种方法较准确. 没人能告诉你那种预测方法会比较准确. 你应该回到问题本身, 每个时间数列有他特殊的特性, 你的资料是time domain,如日,月,季,年;或是frequency domain,如震波,音波; 在学界有不同的配适模式方法. 例如若是属time domain的资料, 你可能可以采古典分解法,arima,arch,garch,...等来配适资料可能的型态; 若是属frequency domain的资料, 则可能要考虑spectral analysis. 我还是觉得,要嘛你就把你的问题讲清楚, 要不就去找time series的书好好的看一下, 思而不学则殆,不是每个人都像老怪物那样这麽好心会回你的问题. 另外,勉强要说什麽预测方法比较准确, 一般的作法是这样: 1.先搞清楚你的资料型态适合用什麽模式来配适, 举例来说,有模式A和模式B,你认为都可以拿来预测你这笔时间数列资料, 2.我们可以先保留原始资料後k笔, 再以模式A的後k笔资料配适值和原始资料後k笔值的差值为基础, 来计算其对应的MAE,MSE,MAPE,MSPE,或是AIC.....等最适模式评估准则, 接着再依上述评估准则来比较不同模式的优劣,并选出最适模式 3.以最适模式再进行预测 个人浅见.头昏脑胀,随意乱打.....有错请指正! --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 218.160.186.180