Guest
Анализ временных рядов - конспект от YandexGPT 00:02 Введение в авторегрессию и скользящее среднее • В видео обсуждается использование авторегрессии и скользящего среднего для прогнозирования временных рядов. • Упоминается, что эти алгоритмы относятся к классу непараметрических моделей, которые не требуют подбора гиперпараметров. 06:58 Уравнение авторегрессии и скользящего среднего • Уравнение авторегрессии описывает зависимость будущих значений временного ряда от предыдущих значений и случайных флуктуаций. • Уравнение скользящего среднего описывает зависимость будущих значений от предыдущих значений и остатков от авторегрессии. 11:57 Практические проблемы авторегрессии и скользящего среднего • В видео обсуждаются практические проблемы, связанные с использованием авторегрессии и скользящего среднего, включая сложность подбора параметров и различные подходы к решению уравнения. • Упоминается, что разные пакеты могут давать разные результаты при использовании этих алгоритмов. 17:31 Модель авторегрессии • В видео обсуждается модель авторегрессии, которая является аналитической и понятной с точки зрения ее выражения. • Модель может быть использована для прогнозирования временных рядов, но требует выбора параметров. 20:18 Выбор параметров • Существует лема, которая показывает, что число параметров должно быть пропорционально числу независимых компонент временного ряда. • На практике, однако, это правило не всегда работает, и выбор параметров может быть основан на эвристиках и интуиции. 24:54 Автокорреляционная функция • Автокорреляционная функция используется для определения числа параметров модели авторегрессии. • Частичная автокорреляционная функция может быть использована для выявления сезонности и других особенностей временного ряда. 29:19 Алгоритм выбора параметров • В общем случае, алгоритм выбора параметров модели авторегрессии включает в себя выбор начальных параметров по автокорреляции, проверку остатков на наличие информации и использование информационных критериев для оценки качества модели.
