Veri analizi - emtia fiyatları

Emtialardan para kazanmak kolay değil. Çoğu emtia yatırımcısı kazanmaktan çok kaybeder. astsa paketi, Ağustos 2001’den Temmuz 2016’ya kadar Georgia iskelelerinde bütün tavuk için aylık spot fiyatları içeren chicken veri setini barındırır; birim ABD senti/libre.

astsa paketi R konsolunda önceden yüklüdür ve veriler senin için çizilmiştir; eğilim ve mevsimsellik bileşenlerine dikkat et.

Önce, bu emtia için dikkatli bir SARIMA modeli kurmak üzere becerilerini kullanacaksın. Ardından, kurduğun modeli tüm tavuk spot fiyatını tahmin etmeyi denemek için kullanacaksın.

Eğilimi çıkardıktan sonra, örnek ACF ve PACF, PACF’nin gecikme 2’den sonra kesilmesi ve ACF’nin kuyruk yapması nedeniyle bir AR(2) modelini önerir. Ancak ACF’de küçük bir mevsimsel bileşen kalır. Bunu ek bir SAR(1) bileşeni uydurarak giderebilirsin.

Bu arada, farklı bölgelerden diğer emtiaları analiz etmek istersen, index mundi adresinde birçok farklı zaman serisi bulabilirsin.

Bu egzersiz

R ile ARIMA Modelleri

kursunun bir parçasıdır

Kursu Görüntüle

Egzersiz talimatları

Farkı alınmış (d = 1) veriyi diff(chicken) ile çiz. Eğilimin kaldırıldığını ve mevsimsel davranışı not et.
Farkı alınmış verinin örnek ACF ve PACF’lerini 60. gecikmeye (5 yıl) kadar çiz. AR(2)’nin uygun göründüğünü, ancak eğilimi giderilmiş veride küçük ama anlamlı bir mevsimsel bileşen kaldığını fark et.
Kalıntılarda korelasyon kaldığını görmek için chicken verisine ARIMA(2,1,0) uydur.
SARIMA(2,1,0)x(1,0,0)₁₂ uydur ve modelin iyi oturduğunu gözlemle.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

# Plot differenced chicken


# Plot P/ACF pair of differenced data to lag 60


# Fit ARIMA(2,1,0) to chicken - not so good


# Fit SARIMA(2,1,0,1,0,0,12) to chicken - that works

Kodu Düzenle ve Çalıştır

Bu egzersiz

R ile ARIMA Modelleri

kursunun bir parçasıdır

InicianteNível de habilidade

4.9+

Kursa Ücretsiz Başlayın

You will investigate the nature of time series data and learn the basics of ARMA models that can explain the behavior of such data. You will learn the basic R commands needed to help set up raw time series data to a form that can be analyzed using ARMA models.

Exercise 1: First things first Exercise 2: Data play Exercise 3: Elements of time series Exercise 4: Stationarity and nonstationarity Exercise 5: Differencing Exercise 6: Detrending data Exercise 7: Dealing with trend and heteroscedasticity Exercise 8: Stationary time series: ARMA Exercise 9: Simulating ARMA models

You will discover the wonderful world of ARMA models and how to fit these models to time series data. You will learn how to identify a model, how to choose the correct model, and how to verify a model once you fit it to data. You will learn how to use R time series commands from the stats and astsa packages.

Exercise 1: AR and MA models Exercise 2: Fitting an AR(1) model Exercise 3: Fitting an AR(2) model Exercise 4: Fitting an MA(1) model Exercise 5: AR and MA together Exercise 6: Fitting an ARMA model Exercise 7: Identify an ARMA model Exercise 8: Model choice and residual analysis Exercise 9: Model choice - I Exercise 10: Model choice - II Exercise 11: Residual analysis - I Exercise 12: Residual analysis - II Exercise 13: ARMA get in

Now that you know how to fit ARMA models to stationary time series, you will learn about integrated ARMA (ARIMA) models for nonstationary time series. You will fit the models to real data using R time series commands from the stats and astsa packages.

Exercise 1: ARIMA - integrated ARMA Exercise 2: ARIMA - plug and play Exercise 3: Simulated ARIMA Exercise 4: Global warming Exercise 5: ARIMA diagnostics Exercise 6: Diagnostics - simulated overfitting Exercise 7: Diagnostics - global temperatures Exercise 8: Forecasting ARIMA Exercise 9: Forecasting simulated ARIMA Exercise 10: Forecasting global temperatures

You will learn how to fit and forecast seasonal time series data using seasonal ARIMA models. This is accomplished using what you learned in the previous chapters and by learning how to extend the R time series commands available in the stats and astsa packages.

Exercise 1: Saf mevsimsel modeller Exercise 2: Saf mevsimsel modellerin P/ACF’si Exercise 3: Saf bir mevsimsel model uydur Exercise 4: Karma mevsimsel modeller Exercise 5: Karma bir mevsimsel model kur Exercise 6: Veri analizi - işsizlik I Exercise 7: Veri analizi - işsizlik II Exercise 8: Veri analizi - emtia fiyatları

Geçerli Egzersiz

Exercise 9: Veri analizi - doğum oranı Exercise 10: Mevsimsel ARIMA ile tahmin Exercise 11: Aylık işsizlik için tahmin Exercise 12: Emtia fiyatlarını tahmin etmek ne kadar zor?Exercise 13: Tebrikler!