什么是预测受（0,1）约束的百分比的时间序列模型？

这必定会发生-预测介于0和1之间的事物。

在我的系列文章中，我怀疑有一个自动回归的成分，也有一个均值回归的成分，所以我希望我可以像ARIMA那样解释一些东西，但是我不希望它将来会飙升到1000％ 。

您是否仅将ARIMA模型用作逻辑回归中的参数以将结果限制在0和1之间？

或者我在这里了解到Beta回归更适合（0,1）数据。我如何将其应用于时间序列？是否有好的R软件包或Matlab函数使拟合和预测变得容易？

在1978年于斯坦福的博士学位论文中，我构造了一个一阶自回归过程族，在上具有一致的边际分布 对于任何整数令其中，对于，具有以下离散均匀分布，即。有趣的是，即使您开始假设在上是均匀的，即使是离散的，每个在上也具有连续的均匀分布。后来我和理查德·戴维斯（Richard Davis）将其扩展到负相关，即$[0,1]$$r\geq 2$$X(t) = X(t-1)/r+e(t)$$e(t)$$P(e(t) = k/r)=1/r$$k=0,1,..., r-1$$e(t)$$X(t)$$[0,1]$$X(0)$$[0,1]$$X(t) =-X(t-1)/r + e(t)$。有趣的是作为一个固定的自回归时间序列的示例，该时间序列受OP指示对他感兴趣，被约束为介于和之间。这是一种病态的情况，因为尽管序列的最大值满足与极限相似的极限值对于IID制服，其极值指数小于。在我的论文和《概率年鉴》中，我表明极值指数为$0$$1$$1$$(r-1)/r$。我没有将其称为极值索引，因为该术语是后来由Leadbetter创造的（最著名的是在与Rootzen和Lindgren合着的1983年Springer著作中提到的）。我不知道这个模型是否有很多实用价值。我认为可能不是因为噪声分布如此特殊。但这确实是一个有点病态的例子。

我很久以前问过这个，但是SO只是将其弹出。就我所看的情况而言，我最终分别预测了分子和分母，这对于度量标准还是有意义的。