Först och främst

ARIMA-modeller i R

David Stoffer

Professor of Statistics at the University of Pittsburgh

Om mig

 

  • Professor i statistik

ch1_1.004.png

ARIMA-modeller i R

Om mig

 

  • Professor i statistik
  • Medförfattare till två böcker om tidsserier
  • astsa-paketet

ch1_1.006.png

ARIMA-modeller i R

Tidsseriedata – I

library(astsa)
plot(jj, main = "Johnson & Johnson Quarterly Earnings per Share", type = "c") 
text(jj, labels = 1:4, col = 1:4)

ch1_1.010.png

ARIMA-modeller i R

Tidsseriedata – II

library(astsa)
plot(globtemp, main = "Global Temperature Deviations", type= "o")

ch1_1.013.png

ARIMA-modeller i R

Tidsseriedata – III

library(xts)
plot(sp500w, main = "S&P 500 Weekly Returns")

ch1_1.016.png

ARIMA-modeller i R

Regressionsmodeller för tidsserier

Regression: $Y_i = \beta X_i + \epsilon_i$, där $\epsilon_i$ är vitt brus

Vitt brus:

  • oberoende normalfördelade variabler med gemensam varians
  • är grundläggande byggsten i tidsserier

Autoregresssion: $X_t = \phi X_{t-1} + \epsilon_t \ $ ($\epsilon_t$ är vitt brus)

Glidande medelvärde: $\epsilon_t = W_t + \theta W_{t-1} \ $ ($W_t$ är vitt brus)

ARMA: $X_t = \phi X_{t-1} + W_t + \theta W_{t-1} \ $

ARIMA-modeller i R

Nu kör vi en övning!

ARIMA-modeller i R

Preparing Video For Download...