Chuỗi thời gian - Mô hình hóa

Giới thiệu

Chuỗi thời gian có 4 thành phần như dưới đây:

  • Level - Đây là giá trị trung bình mà chuỗi khác nhau.

  • Trend - Là hành vi tăng giảm của một biến số theo thời gian.

  • Seasonality - Đó là hành vi tuần hoàn của chuỗi thời gian.

  • Noise - Là sai số trong các lần quan sát được cộng thêm do các yếu tố môi trường.

Kỹ thuật lập mô hình chuỗi thời gian

Để nắm bắt các thành phần này, có một số kỹ thuật lập mô hình chuỗi thời gian phổ biến. Phần này giới thiệu ngắn gọn về từng kỹ thuật, tuy nhiên chúng ta sẽ thảo luận chi tiết về chúng trong các chương sắp tới -

Phương pháp ngây thơ

Đây là các kỹ thuật ước tính đơn giản, chẳng hạn như giá trị dự đoán được cung cấp giá trị bằng giá trị trung bình của các giá trị trước đó của biến phụ thuộc thời gian hoặc giá trị thực tế trước đó. Chúng được sử dụng để so sánh với các kỹ thuật mô hình phức tạp.

Tự động hồi quy

Hồi quy tự động dự đoán giá trị của các khoảng thời gian trong tương lai dưới dạng hàm của các giá trị ở khoảng thời gian trước đó. Các dự đoán về hồi quy tự động có thể phù hợp với dữ liệu hơn so với các phương pháp đơn thuần, nhưng nó có thể không tính đến tính thời vụ.

Mô hình ARIMA

Đường trung bình động tích hợp tự động hồi quy mô hình hóa giá trị của một biến số dưới dạng hàm tuyến tính của các giá trị trước đó và sai số dư ở các bước thời gian trước đó của thời gian cố định. Tuy nhiên, dữ liệu thế giới thực có thể không cố định và có tính thời vụ, do đó, Seasonal-ARIMA và Fractional-ARIMA đã được phát triển. ARIMA hoạt động trên chuỗi thời gian đơn biến, để xử lý nhiều biến VARIMA đã được giới thiệu.

Làm mịn theo cấp số nhân

Nó mô hình hóa giá trị của một biến dưới dạng một hàm tuyến tính có trọng số mũ của các giá trị trước đó. Mô hình thống kê này cũng có thể xử lý xu hướng và tính thời vụ.

LSTM

Mô hình Bộ nhớ Ngắn hạn Dài (LSTM) là một mạng nơ-ron tuần hoàn được sử dụng cho chuỗi thời gian để tính đến sự phụ thuộc dài hạn. Nó có thể được đào tạo với số lượng lớn dữ liệu để nắm bắt các xu hướng trong chuỗi thời gian đa dạng.

Các kỹ thuật mô hình nói trên được sử dụng cho hồi quy chuỗi thời gian. Trong các chương tới, bây giờ chúng ta hãy khám phá tất cả từng thứ một.