概率时间序列模型对于各种各样的分析目标是必要的,包括回归推理、预测和蒙特卡罗模拟。在选择模型时,目标是找到能够充分描述数据的最简洁的模型。一个简单的模型更容易估计、预测和解释。
规范测试帮助您识别一个或多个可以合理地描述数据生成过程的模型族。
模型的比较帮助您比较竞争模型的适合性,并对复杂性进行惩罚。
拟合优度检查可帮助您评估模型的样本内充分性,验证所有模型假设是否成立,并评估样本外预测性能。
模型选择是一个迭代的过程。当拟合优度检查表明模型假设不满足-或模型的预测性能不令人满意-考虑进行模型调整。额外的规格测试、模型比较和拟合优度检查有助于指导这一过程。
建模问题 | 特性 | 相关功能 |
---|---|---|
响应变量的维数是多少? |
|
|
我的时间序列平稳吗? |
|
|
我的时间序列有单位根吗? |
|
|
我该如何处理季节性影响? |
|
|
我的数据是否自相关? |
|
|
如果我的数据是异方差的(表现为波动聚类)怎么办? |
|
|
对于薄峰度数据,是否有一种替代高斯创新分布的方法? |
|
|
我如何在几个模型之间做出选择? |
|
|
是否有两个或更多的时间序列是协整的? |
|
|
如果我想包含预测变量呢? |
|
|
如果我想实现回归,但经典的线性模型假设可能不适用怎么办? |
|
|
如果对动态过程的观察包括测量误差怎么办? | 在这个工具箱中可以使用标准的线性状态空间建模。 |