arima

    0熱度

    1回答

    我想學習ARMA預測,我試圖用比特幣下載比特幣數據集來預測比特幣 我正在努力處理下面的代碼。 庫(Quandl) library(forecast) library(tseries) library(shiny) ui <- shinyUI(fluidPage( titlePanel("Simple ARMA Bitcoin Forecasting"),

    0熱度

    1回答

    我有一個簡單的例子的時間序列: 數據: Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec 2000 200.1 199.5 199.4 198.9 199.0 200.2 198.6 200.0 200.3 201.2 201.6 201.5 2001 201.5 203.5 204.9 207.1 210.5 210.5 209.8 208.8

    0熱度

    3回答

    我使用多種時間序列模型,如ARIMA,holtwtwitter,prophet。現在我想要做所有這些的合奏併產生結果。我需要建議什麼是在時間序列上應用合奏的最佳方式。請幫忙。我對此很陌生。

    0熱度

    1回答

    我是R的新手,我有一個時間序列變量(股票收益率),我創建差異變量diff(stock,lag = 1,difference = 1) 這很好,我繪製它,它看起來相當靜止。然而,當我嘗試運行dicky更完整的測試時,它給了我一個錯誤,即使dicky更完整的測試對原始變量(股票)工作正常,這是非固定的。 錯誤: adf.test(stock) Error in adf.test(stock) : NA

    0熱度

    1回答

    哪個R的包裝與arima建模功能被認爲是最好的?我想直接模擬從arima模型中模擬新的時間序列?

    0熱度

    1回答

    我嘗試使用ARIMA來預測時間序列。 ts <- c(283.678,278.158,273.345,269.773,265.863,265.673,262.977,272.557,267.628,270.106,276.346,292.736,310.649,320.550,332.954,350.313,361.524,367.406,369.442,372.043,365.030,375.2

    1熱度

    1回答

    我會用(Statsmodels)ARIMA,以便從一系列的預測值不同的結果: plt.plot(ind, final_results.predict(start=0 ,end=26)) plt.plot(ind, forecast.values) plt.show() 我認爲我會得到相同的結果從這兩幅圖,而是我得到這個: 我想知道,如果問題是否有關預測或預測

    1熱度

    1回答

    問題詳細描述:CPU利用率預測 方法:使用時間序列算法 步驟1:從彈性搜索我收集了1000觀察和出口的蟒蛇。 步驟2:繪製數據並檢查數據是否靜止或不穩定。 第3步:用於將數據轉換爲固定形式。 步驟4:完成DF測試,ACF和PACF 步驟5:建立ARIMA(3,0,2)模型 步驟6:預測 我建立了一個ARIMA (3,0,2)時間序列模型但無法找到模型的準確性。是否有任何命令可以通過它來檢查pyth

    1熱度

    1回答

    我有一個關於產品銷售的每日時間系列,我的系列從01/01/2016開始直到2017年8月31日。 考慮到這是一個爲期6天的星期(我的星期從星期一開始到星期六結束),週日沒有數據,我明白在運行Arima模型之前,我需要先填充缺失的值。這是我需要幫助的地方:我讀過我可以使用na.approx或NA填寫缺失的值,但我不知道該怎麼做。 你可以看到我在這裏系列: https://drive.google.c

    1熱度

    1回答

    我試圖做從以下大熊貓據幀 CpcGDP.tail() 65 2012-01-01 2593.23 2013-01-01 2591.06 2014-01-01 2608.38 2015-01-01 2665.35 2016-01-01 2724.4 提取的一系列ARIMA模型分析我第一次轉換對象 CpcGDP.convert_objects(convert_numer