Ne felejtsük el, hogy a nem stacionáriusnak különböző fajtái vannak, és különböző módon lehet kezelni őket. Négy általános:
1) Determinisztikus trendek vagy trendállapotosság. Ha az Ön sorozata ilyen jellegű, akkor tendenciáját csökkenti, vagy időbeli tendenciát tartalmaz a regresszióban / modellben. Érdemes megnézni a Frisch – Waugh – Lovell tételt.
2) Szinteltolódások és szerkezeti törések. Ebben az esetben minden egyes töréshez be kell adni egy dummy változót, vagy ha a minta elég hosszú, akkor mindegyik kezelési módot külön-külön kell modelleznie.
3) Változó variancia. Vagy külön modellezze a mintákat, vagy az ARCH vagy a GARCH modellezési osztály segítségével modellezze a változó varianciát.
4) Ha a sorozatad egységgyökeret tartalmaz. Általában ellenőriznie kell a változók közötti kointegrációs kapcsolatokat, de mivel az egyváltozós előrejelzéssel foglalkozik, az integráció sorrendjétől függően egyszer vagy kétszer meg kell különböztetnie.
Az idősor modellezéséhez a Az ARIMA modellezési osztálynak a következő lépéseknek kell megfelelnie:
1) Nézze meg az ACF és a PACF adatait, valamint egy idősor diagramot, hogy megnézze, a sorozat áll-e vagy sem.
2) Ellenőrizze, hogy a sorozatban van-e egységgyökér. Ez tesztek széles skálájával végezhető el, amelyek közül a leggyakoribb az ADF teszt, a Phillips-Perron (PP) teszt, a KPSS teszt, amelynek nincs stataritása, vagy a DF-GLS teszt, amely a leghatékonyabb a fent említett tesztek közül. JEGYZET! Abban az esetben, ha a sorozatod tartalmaz strukturális törést, ezek a tesztek elfogultak abban, hogy ne utasítsák el az egységgyök nullát. Abban az esetben, ha tesztelni szeretné ezeknek a teszteknek a robusztusságát, és ha egy vagy több szerkezeti törésre gyanakszik, használjon endogén szerkezeti törésteszteket. Két általános a Zivot-Andrews teszt, amely lehetővé teszi egy endogén szerkezeti törést, és a Clemente-Montañés-Reyes, amely két szerkezeti törést tesz lehetővé. Ez utóbbi két különböző modellt tesz lehetővé. Egy additív outlier modell, amely a sorozat meredekségében bekövetkező hirtelen változásokat veszi figyelembe, és egy innovatív outlier modell, amely fokozatos változásokat vesz figyelembe, és lehetővé teszi a metszés és a lejtés megtörését. gyökér a sorozatban, akkor különbséget kell tennie a sorozatban. Utána meg kell futtatnia az ACF, a PACF és az idősor diagramját, és valószínűleg ellenőriznie kell, hogy a második egységgyökér biztonságos-e. Az ACF és a PACF segít eldönteni, hogy hány AR és MA kifejezést tartalmazzon.
4) Ha a sorozat nem tartalmaz egységgyökeret, de az idősor-diagram és az ACF azt mutatja, hogy a sorozatnak determinisztikus trendje van, akkor a modell illesztésekor hozzá kell adnia egy trendet. Vannak, akik azt állítják, hogy teljesen érvényes, ha csak a sorozatot különböztetjük meg, ha az egy determinisztikus trendet tartalmaz, bár az információ elveszhet a folyamat során. Ennek ellenére jó ötlet különbséget tenni annak érdekében, hogy sok AR és / vagy MA kifejezést tartalmazzon, amelyet be kell foglalnia. De az időbeli trend érvényes.
5) Illessze be a különböző modelleket, és hajtsa végre a szokásos diagnosztikai ellenőrzést, érdemes információs kritériumot vagy az MSE-t használni, hogy kiválassza a megfelelő modellt, amely megfelel az Ön számára megfelelő mintának rajta.
6) Tegye meg a legjobban illeszkedő modellek előrejelzését, és számítsa ki a veszteségfüggvényeket, például az MSE, MAPE, MAD, hogy megtudja, melyikük teljesít a legjobban az előrejelzés során, mert ezt szeretnénk megtenni!
7) Végezze el a mintadarabot előrejelzésként, mint egy főnök, és elégedett legyen eredményeivel!