Gunosy2015-06-03
-
Upload
yuta-kashino -
Category
Technology
-
view
300 -
download
0
Transcript of Gunosy2015-06-03
![Page 1: Gunosy2015-06-03](https://reader035.fdocuments.net/reader035/viewer/2022071902/55c37135bb61eba3498b4631/html5/thumbnails/1.jpg)
北川源四郎「時系列解析入門」 第 7章
柏野 雄太
バクフー株式会社
June 4, 2015
![Page 2: Gunosy2015-06-03](https://reader035.fdocuments.net/reader035/viewer/2022071902/55c37135bb61eba3498b4631/html5/thumbnails/2.jpg)
AR(自己回帰)モデル
ARモデル eq.7.1
yn =m!
i=1
aiyn!i + vn
時系列 y1, ..., yN
m: 自己回帰次数ai: 自己回帰係数vn: 平均 0, 分散 !2 の正規分布に従う白色雑音
目的次数mを決定し,自己回帰係数 a1, ..., am と分散 !2 を推定すること
2 / 12
![Page 3: Gunosy2015-06-03](https://reader035.fdocuments.net/reader035/viewer/2022071902/55c37135bb61eba3498b4631/html5/thumbnails/3.jpg)
そもそも ARモデルとは時刻 nにおける yn を,過去の値 yn!1, yn!2, · · · とホワイトノイズ vn で表現する.
yn =m!
i=1
aiyn!i + vn
ynyn!1· · ·
vn
yn!2
Figure: ARモデルの概念図
3 / 12
![Page 4: Gunosy2015-06-03](https://reader035.fdocuments.net/reader035/viewer/2022071902/55c37135bb61eba3498b4631/html5/thumbnails/4.jpg)
ARモデルの推定方法
最尤推定法ユール・ウォーカー法 (レビンソン=ダービンのアルゴリズム)最小二乗法PARCOR法 != 本日はここまで多変量版のユール・ウォーカー法多変量版の最小二乗法
4 / 12
![Page 5: Gunosy2015-06-03](https://reader035.fdocuments.net/reader035/viewer/2022071902/55c37135bb61eba3498b4631/html5/thumbnails/5.jpg)
TSSS版 ARモデルの推定
TSSS版 ARモデル推定#␣TSSSにおける ARモデルの推定library("TSSS")data(Sunspot)ywar␣=␣arfit(Sunspot,␣method=1)␣#Yule-Walker␣methodarfit(Sunspot,␣method=2)␣#Least␣squares␣(Householder)arfit(Sunspot,␣method=3)␣#PARCOR␣method␣(Partial␣autoregression)arfit(Sunspot,␣method=4)␣#PARCOR␣method␣(PARCOR)arfit(Sunspot,␣method=5)␣#PARCOR␣method␣(Burg’s␣algorithm)
5 / 12
![Page 6: Gunosy2015-06-03](https://reader035.fdocuments.net/reader035/viewer/2022071902/55c37135bb61eba3498b4631/html5/thumbnails/6.jpg)
R Stat版 ARモデルの推定
R Stat版 ARモデル推定#␣R␣statにおける ARモデルの推定mle␣=␣ar(Sunspot,␣method="mle")yw␣=␣ar(Sunspot,␣method="yw")ols␣=␣ar(Sunspot,␣method="ols")
6 / 12
![Page 7: Gunosy2015-06-03](https://reader035.fdocuments.net/reader035/viewer/2022071902/55c37135bb61eba3498b4631/html5/thumbnails/7.jpg)
Rで AR推定の通常の手順
Rで ARモデル推定#␣Rで AR推定の通常の手順library("TSSS")data(Sunspot)plot(Sunspot,␣type="l")acf(Sunspot)pacf(Sunspot)res␣=␣ar(Sunspot)res$aic
#␣Ljung-Boxテストで「v_nがホワイトノイズ」という帰無仮説を検定するBox.test(res$res,␣type="Ljung")
7 / 12
![Page 8: Gunosy2015-06-03](https://reader035.fdocuments.net/reader035/viewer/2022071902/55c37135bb61eba3498b4631/html5/thumbnails/8.jpg)
Rで AR(2)を生成
AR(2)を生成#␣Rで独自に AR(2)を生成して Plotv␣<-␣rnorm(200)v␣<-␣v[101:200]x␣<-␣filter(v,␣filter=c(0.9*sqrt(3),␣-0.81),␣method="recursive")plot(x)pacf(x)aa$aicar(x)
8 / 12
![Page 9: Gunosy2015-06-03](https://reader035.fdocuments.net/reader035/viewer/2022071902/55c37135bb61eba3498b4631/html5/thumbnails/9.jpg)
注意
輪読会では別途書籍をベースに説明したために,これより後のページは暫定的なものになります.時間があるときに追記します.
9 / 12
![Page 10: Gunosy2015-06-03](https://reader035.fdocuments.net/reader035/viewer/2022071902/55c37135bb61eba3498b4631/html5/thumbnails/10.jpg)
ARモデルの最尤推定
ARモデルに従う時系列の同時分布は多変量正規分布である.
ARモデル尤度
L(") = p(y1, · · · , yN |")
= (2#)!N2 |!|!
12 exp["1
2yT!!1y]
分散共分散行列 eq.7.2
! =
"
###$
C0 C1 · · · CN!1
C1 C0 · · · CN!2...
... . . . ...CN!1 CN!2 · · · C0
%
&&&'
しかし,このままでは複雑すぎて解けないので,工夫する.10 / 12
![Page 11: Gunosy2015-06-03](https://reader035.fdocuments.net/reader035/viewer/2022071902/55c37135bb61eba3498b4631/html5/thumbnails/11.jpg)
ARモデルの最尤推定 2
尤度を乗法定理を用いて条件付き分布の積で表現してから,近似.
ARモデル尤度 eq. 7.4
L(") = p(y1, · · · , yN |")= p(y1, · · · , yN!1|")p(yN |y1, · · · , yN!1, ")
...
=N(
n=1
p(yn|y1, · · · , yn!1, ")
ARモデル AIC eq. 7.5
AIC = "2 logL(") + 2(m+ 1)
11 / 12
![Page 12: Gunosy2015-06-03](https://reader035.fdocuments.net/reader035/viewer/2022071902/55c37135bb61eba3498b4631/html5/thumbnails/12.jpg)
ARモデル推定:ユール・ウォーカー法自己共分散関数のユール・ウォーカー方程式から自己回帰係数,!2 を求める.
ユール・ウォーカー方程式
C0 =m!
i=1
aiCi + !2 (1)
Cj =m!
i=1
aiCj!1
一次推定式"
###$
C0 C1 · · · ˆCm!1
C1 C0 · · · ˆCm!2...
... . . . ...ˆCN!1
ˆCN!2 · · · C0
%
&&&'
"
###$
a0a1...am
%
&&&'=
"
###$
C1
C2...
Cm
%
&&&'
12 / 12