在经济学领域(我认为),我们有ARIMA和GARCH用于规则间隔时间序列,而Poisson,Hawkes用于建模点过程,那么尝试对不规则(不均匀)间隔时间序列进行建模的尝试-是否存在(至少)任何常见实践?
(如果您对该主题有一定的了解,还可以展开相应的Wiki文章。)
版本(关于缺失值和不规则间隔的时间序列):
回答@Lucas Reis评论。如果测量或实现变量之间的间隙由于(例如)泊松过程而间隔开,则这种正则化的空间就不大了,但它存在一个简单的过程:t(i)
是变量x的第i个时间索引(x的第i个时间)实现x),则限定间隙的测量值作为时间之间g(i)=t(i)-t(i-1)
,那么我们就离散g(i)
使用常数c
,dg(i)=floor(g(i)/c
并与原来的时间序列的老观测之间的空白值的数量创建新的时间序列i
和i+1
等于DG(我),但问题是,这该过程很容易产生时间序列,而缺失数据的数量远大于观测值的数量,因此,对缺失观测值的合理估计可能是不可能的,而且可能太大c
删除“时间结构/时间依赖性等”。分析的问题(极端情况是通过将c>=max(floor(g(i)/c))
简单地将不规则间隔的时间序列分解为规则间隔而给出的
Edition2(只是为了好玩):图像说明了在不规则间隔的时间序列甚至点过程中缺失的值。
t(i)
-时间,x[t(i)],x[t(i+1)],x[t(i+2)]...
并且t(j+1)-t(j)
不是恒定的。数据以分布式或异步方式收集。