我用双态处理工作在为
自相关函数表示一个具有长内存的过程,即它显示幂律衰减为指数<1的幂律。
> library(fArma)
> x<-fgnSim(10000,H=0.8)
> x<-sign(x)
> acf(x)
我的问题:仅给出自相关函数,是否有一种规范的方法可以最佳地预测序列中的下一个值?预测的一种方法就是简单地使用
的分类率为,其中是滞后1自相关,但我认为必须考虑长内存结构才能做得更好。
1
我认为问题的部分原因在于,您列出的流程并未完全由您列出的特征来定义。对于大小为的样本,您已为参数的线性约束。许多过程可以满足约束条件,但会导致实现不同的分类率。您的代码确实定义了一个过程,但是您似乎打算将其作为一个具体示例,而不是所关注的主要对象。
—
主教
@cardinal,该问题必须具有已知的解决方案,这可能在W.Palma Long Memory时间序列:理论与方法中可以找到。关键是可以使用自相关函数通过Yule Walker方程组来获得过程的表示的参数,关键是这种表示存在的时间(可逆性)以及通过诸如此类的方式可以接受的截断是什么MSE。对于博士学位中的代码,我使用了软件包。
—
Dmitrij Celov
fracdiff
@ Dmitrij,@ Chris,OP特别声明他对二进制值的过程感兴趣(我很想知道他可能对什么感兴趣),因此,通过Yule-Walker提出的AR公式会让我感到惊讶。至少。也许您可以围绕它进行逻辑运算以估计条件概率,但是认识到在这种情况下所做的假设仍然很重要。同样,对于长存储过程,截断的选择可能很重要,并且会导致非平凡的伪像。
—
主教
@ cardinal,@ Chris。哦,我通常会错过任务的一部分^ __ ^在二进制值处理的情况下,这似乎是一个非常众所周知(研究)的流量测量问题,它来自通信网络或所谓的ON / OFF过程,具有长距离依赖性(长记忆)特性。对于特定示例,我有点困惑,因为在“一种预测方式”中,克里斯实际上采用了先前的值,而不是仅使用ACF(或者我对术语“分类率”更加困惑)。
—
Dmitrij Celov
我想可以将代码用于自回归分数积分模型,并更改似然函数以合并概率效应。然后,您可以获得或的概率。
—
约翰