Неравномерно распределенные временные ряды - Unevenly spaced time series

В статистика, обработка сигнала, и эконометрика, неравномерно (или неравно или нерегулярно) интервальный временной ряд представляет собой последовательность пар времени и значений наблюдения (tп, ИКСп) со строго увеличивающимся временем наблюдения. В отличие от равноотстоящих Временные ряды, интервал времени наблюдения непостоянен.

Неравномерные временные ряды естественным образом встречаются во многих промышленных и научных областях: Стихийные бедствия такие как землетрясения, наводнения или извержения вулканов, как правило, происходят через нерегулярные промежутки времени. В наблюдательная астрономия измерения, такие как спектры небесных объектов, выполняются в периоды времени, определяемые погодными условиями, наличием временных интервалов наблюдений и подходящими конфигурациями планет. В клинические испытания (или, в более общем смысле, лонгитюдные исследования ), за состоянием здоровья пациента можно наблюдать только через нерегулярные промежутки времени, а за разными пациентами обычно наблюдают в разные моменты времени. Беспроводные датчики в Интернет вещей часто передают информацию только при изменении состояния для экономии заряда батареи. Есть еще много примеров в климатология, экология, высокочастотное финансирование, геология, и обработка сигнала.

Анализ

Общий подход к анализу неравномерно распределенных временных рядов состоит в преобразовании данных в равноотстоящие наблюдения с использованием некоторой формы интерполяция - чаще всего линейный - а затем применить существующие методы для данных с равным интервалом. Однако преобразование данных таким образом может привести к ряду важных и трудно поддающихся количественной оценке. предубеждения,[1][2][3][4][5] особенно, если интервалы между наблюдениями сильно нерегулярны.

В идеале неравномерно распределенные временные ряды анализируются в неизменном виде. Однако большая часть базовой теории анализ временных рядов был разработан в то время, когда ограничения в вычислительных ресурсах благоприятствовали анализу данных с одинаковым интервалом, поскольку в этом случае эффективный линейная алгебра можно использовать процедуры, и многие проблемы имеют явное решение. В результате в настоящее время существует меньше методов, специально предназначенных для анализа данных временных рядов с неравномерным интервалом.[5][6][7][8][9][10]

Программного обеспечения

  • Следы это Python библиотека для анализа неравномерно распределенных временных рядов в неизмененном виде.

использованная литература

  1. ^ Майрон Скоулз; Джозеф Уильямс (1977). «Оценка бета-версии по несинхронным данным». Журнал финансовой экономики. 5: 309–327. Дои:10.1016 / 0304-405X (77) 90041-1.
  2. ^ Марк С. Лундин; Мишель М. Дакорогна; Ульрих А. Мюллер (1999). «Глава 5: Корреляция высокочастотных финансовых временных рядов». В Пьера Лекекса (ред.). Финансовые рынки тик за тиком. С. 91–126.
  3. ^ Такаки Хаяси; Накахиро Ёсида (2005). «Об оценке ковариации несинхронно наблюдаемых диффузионных процессов». Бернулли. 11: 359–379. Дои:10.3150 / bj / 1116340299.
  4. ^ К. Рефельд; Н. Марван; J. Heitzig; Дж. Куртс (2011). «Сравнение методов корреляционного анализа для временных рядов с нерегулярной выборкой» (PDF). Нелинейные процессы в геофизике. 18: 389–404. Дои:10.5194 / npg-18-389-2011.
  5. ^ а б Андреас Экнер (2014). «Структура для анализа данных с неравномерным интервалом временных рядов» (PDF). Цитировать журнал требует | журнал = (Помогите)
  6. ^ Ульрих А. Мюллер (1991). «Специально взвешенные скользящие средние с повторным применением оператора EMA» (PDF). Рабочий документ, Olsen and Associates, Цюрих, Швейцария.
  7. ^ Жиль Зумбах; Ульрих А. Мюллер (2001). «Операторы на неоднородных временных рядах». Международный журнал теоретических и прикладных финансов. 4: 147–178. Дои:10.1142 / S0219024901000900.Препринт
  8. ^ Мишель М. Дакорогна; Рамазан Генчай; Ульрих А. Мюллер; Ричард Б. Олсен; Оливье В. Пикте (2001). Введение в высокочастотное финансирование (PDF). Академическая пресса.
  9. ^ Андреас Экнер (2017). «Алгоритмы для неравномерных временных рядов: скользящие средние и другие операторы качения» (PDF). Цитировать журнал требует | журнал = (Помогите)
  10. ^ Андреас Экнер (2017). «Заметка об оценке тренда и сезонности для неравномерно распределенных временных рядов» (PDF). Цитировать журнал требует | журнал = (Помогите)